조건부 스타일 누수를 감사하는 요인화 생성 모델의 한계

Marginal Matching Does Not License Factorized Sampling: Auditing Conditional Style Leakage in Factorized Generative Models

요인화 생성 모델은 잠재 스타일 변수 z_s의 주변 분포를 고정된 가우시안 사전과 일치시키는 방식으로 정규화하지만, 이는 클래스 정보와 독립적이라는 해석이 잘못되었음을 보여준다. 주변 분포만 일치시키면 클래스 조건부 분포에 대한 제약이 없으므로, 잠재 스타일은 집합적으로 완벽한 가우시안처럼 보이더라도 레이블에 대해 높은 예측력을 유지할 수 있다. 연구 결과, 모델은 99.15%의 클러스터링 정확도를 달성했지만, 외부 평가에서 클래스 조건부 생성은 16%의 성공률을 보였다. 또한, 사후 조건부 사전은 MNIST에서 외부 평가 클래스 생성을 0.97로 개선했으나 CIFAR-10에서는 0.41에 그쳤다.