26일 차(2022/08/08)

GAN(Generative Adversarial Networks)

기본 지식

• 확률 분포

생성 모델(Generative Model)

  실제로 있지 않지만 실제로 있을 법한 데이터(이미지, 자연어 문장, 오디오 등...)를 생성할 수 있는 모델을 말합니다. 이 모델은 이미지 데이터들의 분포에 근사할 수 있도록 학습되어야 합니다. 이에 대한 대표적인 것이 GAN입니다. 만약 이 모델이 잘 학습이 되었다면 통계적으로 평균적인 특징을 가지는 데이터를 쉽게 생성할 것입니다.

GAN

생성자(Generator)와 판별자(Discriminator) 두 네트워크를 활용하는 생성 모델입니다. 아래의 목적 함수를 통해 생성자는 이미지 분포를 학습할 수 있습니다.

https://github.com/yubin1219/GAN

x: x~Pdata(x), z: z~Pz(z)

G(z): noise vector(z)를 통해 얻은 새로운 data instance

D(x): 실제 데이터들의 분포에서 나온 sample일 확률(Real: 1 ~ Fake: 0)

GAN은 생성 모델의 분포가 원본 데이터의 분포에 수렴하는 것이 목표입니다. 다르게 얘기하면 생성 모델을 통해 나온 새로운 데이터를 판별자가 판별할 때 확률이 1/2이 나올 수 있게끔( == 판별을 못 하겠습니다!) 하는 것이 목표입니다.

GAN 알고리즘

https://arxiv.org/pdf/1406.2661.pdf