WGAN WGAN(워서스테인 거리 생성적 적대 신경망, Wasserstein Generative Adversarial Network)은 GAN의 한 변형으로서, GAN의 안정성과 생성된 이미지의 품질을 향상시키기 위해 도입된 개념입니다. WGAN은 기존 GAN의 손실 함수를 Wasserstein 거리를 기반으로 재정의하여, 모드 붕괴와 학습 불안정성 문제를 완화시키고 안정적인 학습을 가능하게 합니다. WGAN이 도입하는 주요 개념은 다음과 같습니다: Wasserstein 거리: Wasserstein 거리(또는 Earth-Mover's Distance)는 두 분포 사이의 거리를 계산하는 방법으로, 기존 GAN에서 사용되던 JS Divergence나 KL Divergence보다 더 안정적이고 좋은 거리 측정..