모드 정규화 생성적 적대 신경망

생성적 적대 신경망은 다양한 생성 작업에서 최첨단 결과를 달성하지만, 매우 불안정하고 모드를 놓치는 경향이 있는 것으로 여겨진다. 우리는 GAN의 이러한 나쁜 행동이 고차원 공간에서 훈련된 식별자의 매우 특정한 함수 형태 때문이라고 주장하며, 이는 훈련을 쉽게 멈추게 하거나 확률 질량을 잘못된 방향으로, 즉 데이터 생성 분포보다 높은 농도로 밀어 넣을 수 있다. 우리는 GAN 모델의 훈련을 극적으로 안정화할 수 있는 여러 가지 목표 정규화 방법을 소개한다. 또한 우리의 정규화 기법이 훈련 초기 단계에서 데이터 생성 분포의 모드 간 확률 질량의 공정한 분배에 도움을 줄 수 있음을 보여주며, 이로써 모드 누락 문제에 대한 통합 솔루션을 제공한다.