<aside>
1교시형 문제
문1) GAN(Generative Adversarial Network)
</aside>
I. GAN(생성적 적대 신경망)의 개요
| 구분 | 주요 내용 |
|---|---|
| 정의 | 생성자(Generator)와 판별자(Discriminator)가 경쟁적(Adversarial) 학습을 통해 실제 데이터와 유사한 데이터를 생성하도록 학습하는 생성 모델 |
| 특징 | • 경쟁학습 구조 |
| • 비지도 생성모델 | |
| • 데이터 분포 학습 | |
| • 데이터 증강 활용 |
II. GAN의 동작 메커니즘 및 핵심 구성요소
가) GAN의 구성요소
| 구성 요소 | 주요 역할 | 핵심 특징 |
|---|---|---|
| 생성자(Generator) | 잠재 벡터를 입력받아 실제와 유사한 가짜 데이터 생성 | 판별자를 속이는 방향으로 학습하며, 실제 데이터 분포를 모사 |
| 판별자(Discriminator) | 입력 데이터의 진위(Real/Fake) 여부 판별 | 실제 데이터와 생성 데이터의 차이를 학습하는 이진 분류기 |
| 잠재 벡터(Latent Vector) | 생성자의 입력이 되는 무작위 노이즈 벡터(z) | 생성 데이터의 다양성과 무작위성 제공 |
| 실제 데이터(Real Data) | 판별자 학습의 기준이 되는 원본 데이터(x) | 생성자가 모방해야 할 목표 데이터 분포 제공 |
나) GAN의 동작 절차
① 가짜 데이터 생성 → ② 진위 여부 판별 → ③ 반복 학습을 통한 성능 향상
III. GAN의 발전 동향 및 응용
[ 1. 초기 한계 ] ==> [ 2. 구조적 개선 ] ==> [ 3. 고도화·응용 확대 ] (모드 붕괴, 불안정성) (DCGAN, WGAN) (StyleGAN, 영상·이미지 생성)