연구진이 GAN 학습의 고차원 모델을 연구하여, 생성기가 데이터의 구조화된 잠재 공분산을 기반으로 저차원 부분 공간을 학습하는 과정을 분석했어요.
이전 연구는 조건 없는 신호와 대각 잠재 공분산을 가정했지만, 이번 연구는 클래스별 상관관계와 비제로 평균 잠재 구조를 포함하는 다중 특징 판별기 설정을 확장했어요.
연구 결과, 학습 과정은 효과적 공분산을 통해 결정되는 상미분 방정식에 따라 수렴하며, 저차원 상관관계는 약한 방향을 학습 가능성 임계값 이상으로 끌어올리는 신호 증폭 메커니즘을 보여줘요.