본 논문은 생성적 적대 신경망(GAN)의 문제점인 모드 붕괴를 해결하기 위해 베이지안 딥 컨볼루션 GAN(BI-DCGAN)을 제안합니다. BI-DCGAN은 Bayes by Backprop을 활용하여 네트워크 가중치에 대한 분포를 학습하고, 평균장 변분 추론을 통해 GAN 훈련 과정에서 사후 분포를 효율적으로 근사합니다. 공분산 행렬 분석을 기반으로 베이지안 모델링이 GAN의 샘플 다양성을 향상시킨다는 첫 번째 이론적 증명을 제시하며, 표준 생성 벤치마크 실험을 통해 기존 DCGAN보다 다양하고 견고한 출력을 생성함을 입증합니다.
