부스트 캠프 ai tech 4주 5일차 DL Basic (9)

---

GAN

• 적대적 생성모델
• 노이즈로부터 데이터를 생성하는 Generator와 데이터가 진짜 데이터인지 생성된 데이터인지를 판단하는 Discriminator 2개의 구조로 이루어져 있다
• Generator와 Discriminator는 서로의 Loss값을 최대로 하는 방향으로 학습을 하려 한다
  • Generator는 Discriminator의 판단한 결과로 실제 데이터와 유사하게 학습하는 방향으로 학습한다
  • Discriminator는 이진분류기로 실제데이터와 생성데이터를 분류한다

• GAN을 아래와 같이 표현이 가능하다.
  $$
  min_G, max_D, V(D,G) = \mathbf{E}{x\sim p{data}(x)}[\operatorname{log}D(x)] + \mathbf{E}{z \sim p{z}(z)}[\operatorname{log}(1 - D(G(z)))]
  $$

GAN & VAE

• VAE
  • 학습이 안정적이다
  • 결과물이 흐릿하게 나올 확률이 높다
  • 학습 데이터에 있는 데이터와 비슷하게 나온다
    • 새로운것을 만들어내지는 못함
• GAN
  • 학습이 불안전하다
  • 출력물이 뚜렷한 편이다
    • 새로운 분포를 만들 수 있다
• 최근에는 VAE또한 많이 발전해서 output이 GAN 이상의 것들을 보여준다

  reference

• Naver Connect Boostcamp - ai tech