On the "steerability" of generative adversarial networks

[Subin An]

• https://arxiv.org/abs/1907.07171

[Subin An]

Introduction

• Camera motion / Color transformations with self-supervised
• linear walk is as effective as more complex non-linear walks
• each transformation is limited & quantify a relation between dataset variability and how much we can shift the model distribution
• BigGAN/StyleGAN/DCGAN 등의 서로 다른 disentanglement properties를 보여줌
• Data augmentation imporves steerability

Method

• 기본적으로 쉽게 적용할 수 있는 변환과 latent space 간의 변환을 통해 semi-supervised
• latent에서 linear하게 움직일 것인가 vs non-linear하게 움직일 것인가?

개인적으로 변환할 수 있는 내용이 적어서 아쉽지만, edit 결과에 geometric한 변화가 아니라 pair data를 generate하면 유의미한 GAN 조정 도구가 될 수 있지 않을까 생각.