1. DCGAN

• 딥 컨볼루셔널 뉴럴 네트워크를 이용해 GAN을 구성

  • 완전 연결층 대신 사용해 판별자와 생성자를 구현

  • 생성자 구현을 위해 잠재 공간 상의 한 벡터로 부터 이미지를 생성해야함

    → 업샘플링 과정이 필요함 (Unpooling / 전치 컨볼루션)

1) 업샘플링 방식

Unpooling

• Nearest Neighbor Unpooling
  • 크기를 키우고 빈 칸은 가장 가까운 픽셀의 값으로 채움

• Bed of Nails Unpooling
  • 크기를 키우고 해당 영역의 첫 번째 값은 원래 값, 나머지는 0으로 채움

• Max Unpooling

  • Max pooling 과정에서 선택 된 위치의 값만 살림, 나머지는 0으로 채움

  

전치 컨볼루션

• 컨볼루션 행렬의 전치행렬을 이용

• 위 그림과 같은 방법으로 컨볼루션 행렬 ( = 초록색 ) 을 구함

• 컨볼루션 행렬의 전치행렬에 output ( = 노란색 ) 을 구하면 원래 input ( = 파란색 ) 을 얻을 수 있음

2. 구조

1) 불안정성 해결

• 판별자에서 모든 풀링층을 스트라이드 컨볼루션으로 변경 / 생성자에서는 풀링층을 Fractional 스트라이드 컨볼루션으로 변경
• 생성자와 판별자에 배치 정규화
  • 단 모든 층에 다 적용할 경우 샘플 진동과 모델 불안정성의 문제가 발생하여 생성자의 출력 / 판별자의 입력 에는 적용하지 않음