[생성 신경망] 적대적 생성 신경망 (Generative Adversarial network, GAN) - 이론

Generative Adversarial Network, GAN

 

 1. GAN의 정의

 적대적 생성 신경망(Generative Adverarial Network, GAN)은 인공지능 분야에서 사용되는 딥러닝 모델의 일종으로 두 개의 신경망이 서로 경쟁하면서 학습하는 구조를 가지고 있습니다. 이 두 신경망은 각각 생성자(Generative)와 판별자(Discriminator)로 불립니다. 생성자는 진짜와 구분이 어려운 가짜 데이터를 생성하고 판별자는 입력된 데이터가 진짜인지 가짜인지를 판별합니다. 위 과정을 통해 생성자는 점점 더 정교한 가짜 데이터를 만들어내며, 판별자는 더 정확하게 진위를 구분하게 됩니다.

 

출처 : Generative Adversarial Nets

 

2. 탄생 배경

 GAN은 2014년 Ian Goodfellow에 의해 처음 제안되었습니다. 당시 기계 학습 분야에서는 효과적인 데이터 생성 모델이 부족했으며, 기존의 생성 모델들은 한계가 있었습니다. 이에 따라 굿펠로우는 이러한 문제를 해결하기 위해 경쟁적인 학습 구조를 도입했고, 이것이 GAN의 기본 아이디어가 되었습니다. 

 

3. 목적

  GAN의 주된 목적은 고품질의 합성 데이터를 생성하는 것입니다. 이를 통해 데이터가 부족하거나 민감한 데이터를 다루는 분야에서 유용하게 활용될 수 있습니다. 예를 들어, 의료 이미지 분석, 예술 작품 생성, 게임 개발, 시뮬레이션 등에서 실제와 유사한 데이터를 생성하여 학습 데이터 셋을 보강하거나, 새로운 데이터를 생성 하는 데 사용됩니다. 

 

4. 설명

 GAN은 학습 과정에서 생성자와 판별자 사이의 미묘한 균현을 필요로 합니다. 생성자가 너무 빠르게 학습하면 판별자가 속아 넘어가기 쉽고, 판별자가 너무 강력하면 생성자가 효과적으로 학습하기 못할 수 있습니다. 이런 이유로 GAN의 학습은 매우 섬세한 파라미터 튜닝을 요구하며, 학습 과정에서 발생할 수 있는 '모드 붕괴' 같은 문제를 해결하기 위해 여러 연구가 수행되고 있습니다. 

 

* 모드 붕괴 : 생성자가 다양한 유형의 데이터를 생성하는 대신 매우 한정된 종류의 샘플을 반복해서 생성하는 상황

 

5. 활용

5. 1. 이미지 및 비디오 생성

• 사진 리얼리즘 증강: GAN은 사진의 질을 향상시키거나, 저해상도 이미지를 고해상도로 변환하는 데 사용됩니다.
• 가상 환경 시뮬레이션: 특히 비디오 게임 및 VR에서 GAN은 실제와 같은 가상 환경을 생성하는 데 사용됩니다.
  • https://paperswithcode.com/task/face-generation
  • https://medium.com/syncedreview/deepmind-dvd-gan-impressive-step-toward-realistic-video-synthesis-12027d942e53

DeepMind DVD-GAN: Impressive Step Toward Realistic Video Synthesis

 

Papers with Code - Face Generation

 

 

5. 2. 예술 및 디자인

• 예술 작품 생성: GAN을 사용하여 유명 화가의 스타일을 모방한 새로운 작품을 생성할 수 있습니다.
• 패션 및 디자인: 의류 디자인에서 새로운 패턴이나 스타일을 창조하는 데 GAN이 활용됩니다.
  • https://towardsdatascience.com/gangogh-creating-art-with-gans-8d087d8f74a1
  • https://boutiqueai.medium.com/artificial-intelligence-system-for-fashion-design-image-generation-d9eca8f54c76

Artificial intelligence system for fashion design image generation

 

GANGogh: Creating Art with GANs

 

 

5. 3. 자연어 처리

• 텍스트-이미지 변환: GAN은 주어진 텍스트 설명을 기반으로 이미지를 생성하는 데 사용될 수 있습니다. 예를 들어, 특정 시나리오의 텍스트를 통해 해당 상황을 묘사하는 이미지를 생성합니다.
  • https://www.techtarget.com/searchenterpriseai/definition/generative-adversarial-network-GAN

What is a Generative Adversarial Network (GAN)? | Definition from TechTarget

 

 

---

마무리

 여기까지 GAN에 대한 간단한 이론 설명 및 활용 사례에 대해서 살펴보았습니다. 이제는 어느 정도 맛을 보았으니, 실제 구현된 코드를 통해 GAN에 대한 실습을 수행해보도록 하겠습니다. 어떻게 보면 생성형 AI의 시작인 GAN을 공부해보면서 저의 분야에서 GAN을 어떻게 활용해야될지 잘 살펴보아야겠습니다. 그리고 추가적으로 GAN이 사용된 모델들도 찾아보면서 좋은 예시가 있으면 블로그에 올리도록 하겠습니다. 그럼 이번 글은 여기서 마무리 하도록 하겠습니다. 

 

참고

1. 논문 : https://arxiv.org/abs/1406.2661

2. 논문 : https://arxiv.org/abs/1511.06434

3. 모두의 인공 지능 : https://thebook.io/080244/

모두의 인공지능 with 파이썬

 

실습

1. GAN :

2024.04.17 - [Personal Study/Model] - [생성 신경망] GAN 모델 구현

[생성 신경망] GAN 모델 구현

 

2. DCGAN :

2024.04.18 - [Personal Study/Model] - [생성 신경망] DCGAN 모델 구현

[생성 신경망] DCGAN 모델 구현