StackGAN 논문 리뷰(작성 중)

(Abstract

 - 기존의 text-to-image 접근 방식으로 생성 된 샘플은 주어진 설명의 의미를 대략적으로 반영할 수 있지만,

    => 필요한 세부 사항과 생생한 객체 부분을 포함하지는 않는다.

 - 어려운 문제를 sketch-refinement process를 통해보다 관리하기 쉬운 sub-problems로 decompose한다.

 - Stage-I GAN : 주어진 text description을 기반으로 객체의 기본 모양과 색상을 스케치 -> low-resolution 이미지를 생성합니다.

 - Stage-II GAN : Stage-I 결과 및 텍스트 설명을 입력 -> high- resolution 이미지를 생성

 - Synthesized image의 diversity를 개선하고 conditional GAN의 training을 안정화시키기 위해 latent conditioning manifold에서 매끄럽게하는 새로운 conditioning augmentation 기술을 소개