Variational Auto-Encoder(VAE)에 대한 논문. 0. Auto-Encoder란? 오토앤코더는 입력 데이터를 압축(Encoding)하고, 압축된 표현에서 원본 입력을 재구성(Decoding)하는 신경망 구조.입력 데이터를 압축하고 복원하는 과정에서 입력의 특징을 학습하게 된다.데이터 압축, 차원 감소, 이상 감지, 노이즈 제거 등에 활용. 1. 생성형 모델 관점에서 Auto-Encoder Auto-Encoder는 Encoder가 단순히 입력 데이터를 어떤 벡터(z)로 압축해서 표현.이렇게 압축된 latent vector는 분포에 대한 제약이 없음. (z가 어떠한 분포를 따르지 않음)latent space에서 임의의 z를 샘플링해서 생성(Decoding)할 경우 원하는 데이터가 생성될지 ..

Abstract DeblurGAN-v2는 motion deblurring을 위한 새로운 end-to-end GAN이다. Generator의 핵심 block으로 Feature Pyramid Network를 도입. 다양항 backbone과 유연하게 작동하여 성능과 효율성 사이의 균형을 찾을 수 있다. 1. Introduction Blur는 일반적으로 알 수 없는 blur kernel과 noise가 있는데 이를 역산하기는 까다롭다. 최근 딥러닝 기반으로 image restoration 분야가 크게 발전, 특히 GAN은 기존 feed-forward encoder 방식 보다 더 선명하고 그럴듯한 texture를 생성한다. 대표적으로 DeblurGAN이 있다. 본 논문은 DeblurGAN을 개선하고 높은 유연성을 ..

Abstract Motion Deblurring을 위한 end-to-end 학습 방법인 DeblurGAN을 제시. conditinal GAN과 content loss를 기반으로 학습. Deblurring model의 품질은 Object Detection 방식으로 평가. DeepDeblur보다 5배 빠르다고 소개. 1. Introduction 최근 GAN을 이용해서 image super-resolution 및 inpainting 관련 분야에서 상당한 진전이 있음. 이에 영감을 받아 Deblurring을 image-to-image 변환의 특별한 case로 취급. Gradient Penalty와 Perceptual Loss를 가진 Wasserstein GAN을 사용하는데 이는 기존 MSE or MAE를 사용하..