생성적 적대 신경망

생성적 적대 신경망

• 기존의 분류 모델들과 비교하면 데이터 자체를 생성해낸다.
• 생성 네트워크과 구분 네트워크 간의 상반되는 목적 함수로 인해 적대성이 생김
• 신경망 형태를 가진 다양한 네트워크 형식

손실함수와 최적화

• 이전까진 손실을 정의하고 이를 최소화하는 방식으로 모델을 구현함
• GAN에서는 목적함수를 달성하기 위해 구분자의 목적함수와 이를 손실함수의 형태로 바꾸는 과정을거침
• /코드 구현 아직 안함/

DCGAN

• 2016에 공개됨, GAN에 합성곱 연산을 적용
• DCGAN의 생성자 네트워크는 전치 합성곱 연산을 통해 랜덤 노이즈로부터 데이터를 생성해냄
• 잠재 공간 보간 : 잠재변수 z 의 공간을 탐색하는 방식

SRGAN

• super-resolution 작업에 GAN을 적용함
• super-resolution : 저화질의 이미지를 입력으로 받아 고화질로 변환하는 작업
• SRResNet 과 SRGAN 결과는 선명함에서 차이가 있음

텍스트 이미지 합성

• 특정문장을 벡터화한 후 랜덤 노이즈와 함께 생성자 네트워크에 전달해 이미지를 만들어낸다.
• 특정 문장을 조건으로 이미지 생성후 같은 문장을 조건을 ㅗ생성된 이미지인지 진짜 이미지인지 구분하는 조건부 GAN 모델이 만들어짐
• 실제 이미지와 그 이미지를 묘사하는 텍스트 역시 구분자에게 전달되어 실제 데이터의 분포를 학습하게 됨

Pix2Pix

• pix2pix에 이미지를 조건으로 주고 이미지를 생성하게 한다.

교재 : 파이토치 첫걸음