discriminator 의 Input 부분 파라미터를 변경, generator 의 output feature map 크기를 변경 (이 때 upsampling 같은 방법이 필요합니다. 저는 transposed conv 를 이용해서 7x7 -> 14x14 -> 28x28 을 만들었습니다.) 데이터 로더에서 모델의 입출력 크기만큼 변경
1,2,3 을 넣고 4를 추론하면 anomaly score 는 높게 나올 것 같습니다. 1 로만 학습할 때 보다 데이터 분포의 분산이 커지는 건데, mri 영상을 가지고 학습해봤을 때도 동작은 했습니다. 하지만 서비스에 사용할만한 퀄리티는 보장하지 않는다고 생각합니다.
안녕하세요..
올려주신 소스코드는 잘 동작하는 것을 봤습니다.
몇가지 질문 드리고 싶습니다.
감사합니다.