Lifelong GAN: Continual Learning for Conditional Image Generation

2. Overview

이번 세미나 시간에는 지난 번 세미나 시간에 발표한 “Learning to Remember: A Synaptic Plasticity Driven Framework for Continual Learning”에 이어 새로운 continual learning 방법론에 대해 공유하고자 한다. 오늘 발표하는 Lifelong 모델은 image translation 분야에서의 continual learning 모델로, image translation 분야에서 state-of-the-art 모델인 Bicycle GAN에 knowledge distillation loss를 적용해 catastrophic forgetting 문제를 완화한 방법론이다. 더불어 해당 방법론은 image translation 중 image-conditioned와 label-conditioned generation 기반의 task에 대한 continual learning을 제안했다. 이번 세미나를 통해 ICCV 2019 poster session에서 발표된 해당 방법론을 공유하고자 한다.

3. 발표자료 및 발표영상

[1] 발표자료

[2] 발표영상

4. 참고문헌

[1] Zhai, Mengyao, et al. "Lifelong gan: Continual learning for conditional image generation." Proceedings of the IEEE International Conference on Computer Vision. 2019.

[2] Zhu, Jun-Yan, et al. "Toward multimodal image-to-image translation." Advances in Neural Information Processing Systems. 2017.