Generative Deep Learning-미술관에 GAN 딥러닝 실전 프로젝트: CH01 생성 모델링 요약 정리

생성 모델링이란

생성 모델: 확률 모델의 관점으로 보면 생성 모델은 데이터셋을 생성하는 방법을 기술한 것입니다. 이 모델에서 샘플링하면 새로운 데이터를 생성할 수 있습니다.

다음과 같이 말 이미지로 이루어진 데이터셋이 있다고 가정해보자. 목표는 이 데이터셋에는 없지만 진짜 말처럼 보이는 새로운 이미지를 생성하는 것이다.

생성 모델링 과정

생성 모델은 원본 데이터와 동일한 규칙으로 생성된 것 처럼 보이는 특성을 만든다. 개별 픽셀값이 가질 수 있는 경우의 수가 매우 많기 때문에, 이는 아주 어려운 작업이다.
또 생성 모델은 결정적이 아니라 확률적이어야 한다. 이 말은 모델이 데이터셋에 있는 모든 픽셀의 평균값을 구하는 것 처럼 고정된 계산만 수행한다면 매번 동일한 값을 출력하기 때문에 생성 모델이 아니라는 뜻이다.
다른 말로 하면, 어떤 이미지가 훈련 데이터셋에 속할 것 같고, 다른 어떤 이미지는 그렇지 않음을 설명할 수 있는 확률 분포가 있다고 가정할 때, 해야할 일은 가능한 이 분포에 가깝게 흉내내는 모델을 만드는 것이다. 그 다음, 이 분포에서 샘플링하여 원본 훈렬 셋에 있을 것 같은 새롭고 다른 이미지를 만드는 것이다.

 

 

 

 

생성 모델링과 판별 모델링

생성 모델링을 잘 이해하기 위해선 반대되는 개념인 판별 모델링과 비교해보면 좋다.

다음은 어떤 그림이 반고흐의 작품인지의 여부를 판별하는 판별 모델이다. 이 모델은 반고흐의 작품들을 훈련 데이터로 가지고 반고흐의 특정 색깔, 형태, 질감을 학습한다. 

판별 모델링 과정

 

머신러닝의 발전

생성 모델의 등장

생성 모델링 프레임워크

 

 

 

 

확률적 생성 모델

헬로 로들!

첫 번째 확률적 생성 모델

나이브 베이즈

헬로 로들! 앞에서 이어서

 

 

 

 

생성 모델의 난관

표현 학습

 

 

 

 

환경 설정

요약