Related to: Deep Learning
StyleGAN: A Style-Based Generator Architecture for GANs
Generator를 통한 이미지 합성 과정은 여전히 block box로 여겨지며, 이로 인해 합성되는 이미지의 attribute (성별, 연령, 헤어스타일 등) 을 조절하기가 매우 어렵다는 한계가 있습니다.
또한 생성되는 이미지 퀄리티가 불안정하여 실제로는 논문에 리포트된 것과 달리 부자연스러운 이미지도 다수 생성됩니다.
이러한 문제를 해결하기위해 Style Transfer에 기반한 새로운 generator 구조인 StyleGAN을 제안합니다. StyleGAN은 이미지를 style의 조합으로 보고, generator의 각 layer 마다 style 정보를 입히는 방식으로 이미지를 합성합니다. 이 때 각 layer에서 추가되는 style은 이미지의 coarse feature (성별, 포즈 등) 부터 fine detail (머리색, 피부톤 등) 까지 각기 다른 level의 visual attribute를 조절할 수 있습니다. 뿐만 아니라 StyleGAN은 기존의 방법들보다 훨씬 안정적이고 높은 퀄리티의 이미지를 생성하게 됩니다.