꺼내먹는지식 준

논문이 굉장히 짧으니 한번 읽어보는 것 추천 노이즈로부터 생성한 가짜 결과물인 z와, 진짜 결과물 x만 가지고 티키타카를 했었던 기존 GAN과는 condition 을 제공한다. GAN 의 목적 함수 $\textrm{min}_G​ \textrm{max}_D ​V(D,G)=E_{x∼p_{data(x)}}​​[\log D(x)]+E_{z∼p_{z​(z)}}​[\log (1−D(G(z))]$ $x∼p_{data(x)}$: 실제 데이터의 분포 $z∼p_{z​(z)}$: 분포가정(ex. 정규분포)에서 온 latent code의 분포 GAN의 판별자 D는 real or fake를 판단하기 때문에, Binary Cross Entropy(이하BCE)를 사용함. real일 때 y = 1, fake일 때 y = 0 판별자 ..