| 1 |
1
랜덤한 노이즈 z로부터 값을 받아들여 가짜 데이터를 생성하고 생성된 가짜 데이터를 판별기로 전달하는 생성기;실제 데이터(x) 및 가짜 데이터를 받아 훈련하는 판별기;상기 판별기로부터 최종 데이터를 받아 n 차원 유클리드(Euclidean) 특징 공간에 매핑하고, 각각 가짜 데이터와 실제 데이터의 특징점을 기하학적 변환에 의해 n 차원 초구(hypersphere)로 다시 매핑하고, 매핑된 점을 사용하여 구형 GAN으로 초구(hypersphere)의 중심점(north pole)을 중심으로 하는 기하학적 모멘트를 계산하는 기하학적 모멘트 매칭부;를 포함하고,상기 판별기는 실제 및 가짜 데이터 간의 확률 측정의 모멘트 차이를 최대화하려고 시도하고, 생성기는 모멘트 차이를 최소화하여 판별기를 간섭하려고 시도하여 훈련하는 것을 특징으로 하는 기하학적 모멘트 매칭을 통한 구 위에서의 적대적 생성망을 이용하는 데이터 처리 장치
|
| 2 |
2
제 1 항에 있어서, 구형 GAN은, 판별 네트워크의 특징공간을 구라고 가정하여 그 위에서 다차 모멘트를 최소화시켜 수학적으로 정의된 측도간의 메트릭을 새롭게 정의하여 훈련되는 네트워크의 거동을 예측할 수 있도록 하는 것을 특징으로 하는 기하학적 모멘트 매칭을 통한 구 위에서의 적대적 생성망을 이용하는 데이터 처리 장치
|
| 3 |
3
제 1 항에 있어서, 상기 기하학적 모멘트 매칭부는,1 차원 특징 공간에서의 첫번째 모멘트가으로 정의되고,여기서, G와 D는 각각 생성자와 판별자를 나타내며 P와 N은 실제 데이터와 잠재 코드 분포를 각각 나타내는 것이고,판별기 (D)는 데이터 (x)를 실수 (R)로 맵핑하고,으로 정의되고,여기서, D는 1-Lipschitz 조건 D ∈ Lip1을 만족해야하며, X ⊂ Rn은 n 차원 유클리드 이미지 공간인 것을 기반으로 구형 GAN은 3차원보다 큰 차원으로 확장한 초구(hypersphere)에 정의된 고차원 및 다중 모멘트와 매칭되도록 하는 것을 특징으로 하는 기하학적 모멘트 매칭을 통한 구 위에서의 적대적 생성망을 이용하는 데이터 처리 장치
|
| 4 |
4
제 3 항에 있어서, 판별기의 출력은,으로 정의되고,여기서 x는 실제 이미지 데이터, z는 랜덤한 노이즈인 것을 특징으로 하는 기하학적 모멘트 매칭을 통한 구 위에서의 적대적 생성망을 이용하는 데이터 처리 장치
|
| 5 |
5
제 4 항에 있어서, 구형 GAN(sphere GAN)의 목적함수는,으로 정의되고,r = 1,
|
| 6 |
6
제 5 항에 있어서, 구형 GAN은 판별기가 원하는 함수 공간에 위치하도록하는 추가적인 제약 조건을 필요로하지 않도록 하고,기하학적 변환을 사용하여 구형 GAN은 거리 함수가 원하는 함수 공간에 있음을 보장하기 위하여,판별기(discriminator)의 새로운 목적 함수를으로 정의하는 것을 특징으로 하는 기하학적 모멘트 매칭을 통한 구 위에서의 적대적 생성망을 이용하는 데이터 처리 장치
|
| 7 |
7
제 6 항에 있어서, 구형 GAN은 초구(hypersphere) 에서 정의된 특징 공간을 통해 여러 모멘트를 매칭하고,구형 GAN은 임의의 리만 매니폴드 M 대신에 초구(hypersphere)를 사용하여,초구(hypersphere)의 거리 함수는 바운드를 형성하는 것과,그레디언트 놈(gradient norm)은 거리 함수로 작동하는 것과,초구(hypersphere)의 리만 구조(Riemannian structure)를 통하여 GAN 객체를 정의하는 것을 이용하는 것을 특징으로 하는 기하학적 모멘트 매칭을 통한 구 위에서의 적대적 생성망을 이용하는 데이터 처리 장치
|
| 8 |
8
제 6 항에 있어서, 구형 GAN은 유클리드 공간 을 초구(hypersphere) 으로 변환하는 기하학적 변환 함수를 사용하고,변환 함수는 에서 에 이르는 미분동형사상(diffeomorphism)에 의해 설계되어 미분 가능하고 특징 공간의 모든 점에서 차원을 보존할 수 있도록 하는 것을 특징으로 하는 기하학적 모멘트 매칭을 통한 구 위에서의 적대적 생성망을 이용하는 데이터 처리 장치
|
| 9 |
9
제 8 항에 있어서, 기하학적 변환 함수로 스테레오그래픽 투영(stereographic projection)을 사용하고,스테레오그래픽 투영(stereographic projection)의 역함수는 유클리드 공간을 초구(hypersphere) 으로의 미분동형사상(diffeomorphism)이고,의 좌표계를 p = (p1,
|
| 10 |
10
제 9 항에 있어서, 스테레오그래픽 투영(stereographic projection)의 역함수를 통해 두 점 을 투영한 후, 두 점 사이의 거리를 초구(hypersphere) 메트릭 측면에서 측정하면,으로 정의되고,여기서, 는 에 정의되는 거리함수이다
|
| 11 |
11
제 10 항에 있어서, 구형 GAN에서 사용되는 메트릭 IPM(Integral Probability Metrics)을 최소화하기 위하여,리만 매니폴드(Riemannian manifold)에 대한 기하학적 중심 모멘트를 정의하고, M은 보렐 σ 대수학, Σ을 가진 작고, 연결되어 있고, 측지 학적으로 완전한 리만 매니폴드라 하면,와 는 모두 측정 가능한 공간 (M, Σ)에 정의된 확률 측정치이고, 두 확률 측정치 와 사이의 거리 측정값인 IPM은,으로 정의되고,F는 M에 대한 실제 값의 경계 측정 가능 함수의 클래스인 것을 특징으로 하는 기하학적 모멘트 매칭을 통한 구 위에서의 적대적 생성망을 이용하는 데이터 처리 장치
|
| 12 |
12
제 11 항에 있어서, M에 대한 기하학적 모멘트를 정의하면,주어진 점 p0에 관한 (M, Σ)상의 의 r 번째 중심 모멘트는,으로 정의되고,여기서, 및 이고, 은 M에서의 리만 거리 함수(Riemannian distance function)인 것을 특징으로 하는 기하학적 모멘트 매칭을 통한 구 위에서의 적대적 생성망을 이용하는 데이터 처리 장치
|
| 13 |
13
제 12 항에 있어서, 구형 GAN에서 와 사이의 새로운 IPM을 정의하면,모멘트 차이를 기반으로 한 IPM은,으로 정의되고,여기서, 은 주어진 점 p0에서 다른 점으로부터의 유한 거리 함수(bounded distance functions)의 클래스인 것을 특징으로 하는 기하학적 모멘트 매칭을 통한 구 위에서의 적대적 생성망을 이용하는 데이터 처리 장치
|
| 14 |
14
제 13 항에 있어서, IPM의 함수 공간은 을 중심으로 한 M상의 한정된 거리 함수의 집합이고, 구형 GAN은 거리 함수를 매개 변수화하면,이고,여기서, {xi}는 이미지 집합이고,판별자를 매개 변수화하면,이고,여기서, 인 것을 특징으로 하는 기하학적 모멘트 매칭을 통한 구 위에서의 적대적 생성망을 이용하는 데이터 처리 장치
|
| 15 |
15
랜덤한 노이즈 z로부터 값을 받아들여 가짜 데이터를 생성하고 생성된 가짜 데이터를 판별기로 전달하는 생성기;실제 데이터(x) 및 가짜 데이터를 받아 훈련하는 판별기;상기 판별기로부터 최종 데이터를 받아 n 차원 유클리드(Euclidean) 특징 공간에 매핑하고, 각각 가짜 데이터와 실제 데이터의 특징점을 기하학적 변환에 의해 n 차원 초구(hypersphere)로 다시 매핑하고, 매핑된 점을 사용하여 구형 GAN으로 초구(hypersphere)의 중심점(north pole)을 중심으로 하는 기하학적 모멘트를 계산하는 기하학적 모멘트 매칭부;를 포함하는 기하학적 모멘트 매칭을 통한 구 위에서의 적대적 생성망을 이용하는 데이터 처리 장치의 데이터 처리 방법에 있어서,판별 네트워크의 특징공간을 구라고 가정하여 그 위에서 다차 모멘트를 최소화시켜 수학적으로 정의된 측도간의 메트릭을 새롭게 정의하여 훈련되는 네트워크의 거동을 예측할 수 있도록 하는 구형 GAN을 이용하여,생성기에서 랜덤한 노이즈 z로부터 값을 받아들여 실제와 유사한 가짜 데이터를 생성하는 단계;생성기에서 생성된 가짜 데이터를 판별기로 전달하는 단계;판별기가 실제 데이터 및 가짜 데이터를 받아 훈련하고 기하학적 모멘트 매칭부에서 n 차원 유클리드(Euclidean) 특징 공간에 매핑하는 단계;기하학적 모멘트 매칭부에서 각각 가짜 데이터와 실제 데이터의 특징점을 기하학적 변환에 의해 n 차원 초구(hypersphere)로 다시 매핑하는 단계;기하학적 모멘트 매칭부에서 매핑된 점을 사용하여 구형 GAN은 초구(hypersphere)의 중심점(north pole)을 중심으로 하는 기하학적 모멘트를 계산하는 단계;구형 GAN의 판별기는 실제 및 가짜 샘플 간의 확률 측정의 모멘트 차이를 최대화하려고 시도하고, 생성기는 모멘트 차이를 최소화하여 판별자를 간섭하려고 시도하여 훈련하는 단계;를 포함하는 것을 특징으로 하는 기하학적 모멘트 매칭을 통한 구 위에서의 적대적 생성망을 이용하는 데이터 처리 방법
|
