오늘 배운 내용은 GAN!
generator와 discriminator 두 개의 신경망으로 구성되어, 두 네트워크는 서로 경쟁하면서 학습하며, 생성된 데이터가 실제 데이터와 구별하기 어렵도록 만든다.
생성자는 주어진 잠재 공간(latent space)에서 샘플을 생성하여 가짜 데이터를 만든다.
주로 신경망으로 구현되며, 잠재 공간의 랜덤한 벡터를 입력으로 받아 실제 데이터와 유사한 데이터를 생성한다.
목표는 생성된 가짜 데이터가 판별자를 속이도록 만드는 것이다.
판별자는 생성자가 만든 가짜 데이터와 실제 데이터를 구별하도록 훈련한다.
이를 통해 판별자는 생성자가 생성한 가짜 데이터를 진짜로 잘못 분류하는 오류를 최소화하려고 한다.
생성자와 판별자는 서로의 성능을 개선하기 위해 경쟁적으로 학습한다.
생성자는 판별자를 속일 수 있는 더 진짜 같은 데이터를 생성하고, 판별자는 생성된 데이터를 더 잘 구별할 수 있도록 하는 것이 목표다.
GAN을 이용해서 Text2Image가 가능하다.
CycleGAN은 이미지 사이의 도메인을 바꿀 수 있다.
Cycle-consistency loss를 통해서 말 이미지를 얼룩말로 바꾸는 것 처럼 도메인을 바꿀 수 있다.
Progressive-GAN은 저차원(저해상도)이미지 부터 고해상도 이미지로 픽셀을 점점 키워서 훈련한다.
본 포스트의 학습 내용은 부스트클래스 <AI 엔지니어 기초 다지기 : 부스트캠프 AI Tech 준비과정> 강의 내용을 바탕으로 작성되었습니다.