학습 데이터 세트를 구성하는 학습 이미지와 잠재 공간(latent space) 벡터를 쌍으로 매핑하는 단계;자기수렴 생성망의 생성자에 대한 손실 함수와 잠재 공간에 대한 손실 함수를 계산하는 단계; 및상기 생성자에 대한 손실 함수와 상기 잠재 공간에 대한 손실 함수를 이용하여 상기 자기수렴 생성망의 가중치와 잠재 벡터를 학습하는 단계를 포함하고, 상기 매핑하는 단계는미리 설정된 표준 편차의 정규 분포를 사용하여 무작위로 상기 잠재 공간을 초기화하고, 상기 잠재 공간과 이미지 공간이 쌍을 이룸으로써, 상기 잠재 공간과 상기 이미지 공간을 일대일로 매핑하며, 상기 학습하는 단계는학습 과정에서, 상기 잠재 공간이 자가 수렴하여 정규 분포를 따르도록 상기 자기수렴 생성망을 학습하며, 상기 자기수렴 생성망을 통해 상기 잠재 공간과 상기 이미지 공간이 수렴함에 따라 상기 잠재 공간을 샘플링할 필요가 없고, 수렴된 상기 잠재 공간과 출력이미지의 매핑을 알 수 있어 원하는 이미지를 쉽게 생성 가능하며, 상기 생성자에 대한 손실 함수와 상기 잠재 공간에 대한 손실 함수는 픽셀 단위 손실을 사용하며, 지각 손실(Perceptual loss)을 사용하여 이미지가 사실적으로 표현되도록 하는 것을 특징으로 하는 자기수렴 생성망 학습 방법.

제1항에 있어서,상기 학습하는 단계는KL(Kullback-Leibler) 발산 및 픽셀 단위 손실에서 파생된 상기 생성자에 대한 손실 함수와 상기 잠재 공간에 대한 손실 함수를 사용하여 상기 잠재 벡터가 정규 분포를 따르도록 학습하는 것을 특징으로 하는 자기수렴 생성망 학습 방법.

삭제

삭제

제1항에 있어서,상기 계산하는 단계는상기 잠재 공간과 이미지 공간 사이의 관계를 획득하고, KL 발산을 사용하여 상기 잠재 공간을 미리 설정된 타겟 공간 내에 제한함으로써, 상기 자기수렴 생성망의 손실 함수를 계산하는 것을 특징으로 하는 자기수렴 생성망 학습 방법.

제1항에 있어서,상기 학습하는 단계는상기 자기수렴 생성망의 가중치와 잠재 벡터를 교대로 학습하는 것을 특징으로 하는 자기수렴 생성망 학습 방법.

학습 데이터 세트를 구성하는 학습 이미지와 잠재 공간(latent space) 벡터를 쌍으로 매핑하는 매핑부;자기수렴 생성망의 생성자에 대한 손실 함수와 잠재 공간에 대한 손실 함수를 계산하는 계산부; 및상기 생성자에 대한 손실 함수와 상기 잠재 공간에 대한 손실 함수를 이용하여 상기 자기수렴 생성망의 가중치와 잠재 벡터를 학습하는 학습부를 포함하고, 상기 매핑부는미리 설정된 표준 편차의 정규 분포를 사용하여 무작위로 상기 잠재 공간을 초기화하고, 상기 잠재 공간과 이미지 공간이 쌍을 이룸으로써, 상기 잠재 공간과 상기 이미지 공간을 일대일로 매핑하며, 상기 학습부는학습 과정에서, 상기 잠재 공간이 자가 수렴하여 정규 분포를 따르도록 상기 자기수렴 생성망을 학습하며, 상기 자기수렴 생성망을 통해 상기 잠재 공간과 상기 이미지 공간이 수렴함에 따라 상기 잠재 공간을 샘플링할 필요가 없고, 수렴된 상기 잠재 공간과 출력이미지의 매핑을 알 수 있어 원하는 이미지를 쉽게 생성 가능하며, 상기 생성자에 대한 손실 함수와 상기 잠재 공간에 대한 손실 함수는 픽셀 단위 손실을 사용하며, 지각 손실(Perceptual loss)을 사용하여 이미지가 사실적으로 표현되도록 하는 것것을 특징으로 하는 자기수렴 생성망 학습 시스템.

제7항에 있어서,상기 학습부는KL(Kullback-Leibler) 발산 및 픽셀 단위 손실에서 파생된 손실 함수를 사용하여 상기 잠재 벡터가 정규 분포를 따르도록 학습하는 것을 특징으로 하는 자기수렴 생성망 학습 시스템.

삭제

삭제

제7항에 있어서,상기 계산부는상기 잠재 공간과 이미지 공간 사이의 관계를 획득하고, KL 발산을 사용하여 상기 잠재 공간을 미리 설정된 타겟 공간 내에 제한함으로써, 상기 자기수렴 생성망의 손실 함수를 계산하는 것을 특징으로 하는 자기수렴 생성망 학습 시스템.

제7항에 있어서,상기 학습부는상기 자기수렴 생성망의 가중치와 잠재 벡터를 교대로 학습하는 것을 특징으로 하는 자기수렴 생성망 학습 시스템.