GAN

영어	Generative Adversarial Network
한국어	적대적 생성 신경망
발표	2014년 (Ian Goodfellow)
분류	생성 모델
활용	이미지 생성, 딥페이크

'''GAN'''(Generative Adversarial Network, 적대적 생성 신경망)은 두 신경망이 경쟁하며 학습하는 생성 모델입니다. [[youtube:8L11aMN5KY8|GAN 설명]] == 개요 == 2014년 Ian Goodfellow가 발표한 GAN은 생성자(Generator)와 판별자(Discriminator)가 경쟁하며 학습합니다. 생성자는 진짜 같은 데이터를 만들고, 판별자는 진위를 판별합니다. 이 경쟁을 통해 점점 더 정교한 데이터를 생성할 수 있습니다. == 작동 원리 == === 생성자 (Generator) === * 랜덤 노이즈를 입력받음 * 가짜 데이터 생성 * 판별자를 속이려 함 === 판별자 (Discriminator) === * 실제 데이터와 생성 데이터 구분 * 진짜/가짜 확률 출력 * 생성자의 출력 검증 === 적대적 학습 === * 제로섬 게임 형태 * 생성자와 판별자가 번갈아 학습 * 내쉬 균형을 향해 수렴 == 주요 GAN 변형 == === DCGAN === * 컨볼루션 사용 * 안정적 학습 * 이미지 생성 품질 향상 === StyleGAN === * NVIDIA 개발 * 고해상도 얼굴 생성 * 스타일 제어 가능 === CycleGAN === * 비쌍(unpaired) 이미지 변환 * 말 -> 얼룩말 변환 * 스타일 전이 === Pix2Pix === * 쌍(paired) 이미지 변환 * 스케치 -> 사진 * 지도 -> 위성 이미지 === BigGAN === * 대규모 GAN * ImageNet 수준 생성 * 클래스 조건부 생성 == 활용 분야 == === 이미지 생성 === * 예술 작품 생성 * 얼굴 생성 (thispersondoesnotexist.com) * 풍경, 건물 생성 === 이미지 편집 === * 해상도 향상 (Super Resolution) * 복원 (Inpainting) * 색상화 (Colorization) === 딥페이크 === * 얼굴 교체 * [[딥페이크]] 기술의 기반 * 영상 조작 === 데이터 증강 === * 학습 데이터 생성 * 희귀 클래스 보강 * 의료 이미지 증강 == 한계 == === 모드 붕괴 (Mode Collapse) === * 다양성 부족 * 일부 패턴만 생성 === 학습 불안정 === * 하이퍼파라미터 민감 * 수렴 어려움 === 평가 어려움 === * 객관적 지표 부족 * FID, IS 사용 == GAN vs Diffusion == 최근에는 [[Stable Diffusion]] 등 확산 모델이 주류: * 확산 모델: 안정적 학습, 높은 품질 * GAN: 빠른 생성, 특정 작업 유리 == 관련 문서 == * [[딥페이크]] * [[딥러닝]] * [[생성형 인공지능]] * [[Stable Diffusion]] [[분류:인공지능]] [[분류:딥러닝]] [[분류:생성형 AI]]