[딥러닝, CV] GAN(Generative Adversarial Networks)

GAN(Generative Adversarial Networks)

• 실제와 유사한 데이터를 만들어내는 생성모델
• 생성자(Genrator)는 가짜 데이터를 생성해내고 판별자(Discriminator)는 가짜 데이터와 진짜 데이터를 분류합니다.(가짜는 0, 진짜는 1로 이진분류)
• 위의 행위가 곧 1 epoch가 되고 행위가 반복될 때마다, 생성자 모델과 판별자 모델의 가중치가 조정되며 생성자와 판별자는 각각 그 성능이 향상됩니다.(생성자는 더 그럴듯한 가짜 데이터를 만들게 되고, 판별자는 분류 성능이 점차 향상됩니다.)
• 결국 어느 지점에 이르게 되면 판별자는 진짜와 가짜를 더 구분하기 어려워지고 50%의 확률로 진짜와 가짜를 구분하게 됩니다.

CycleGAN

• 기존 pix2pix(pixel to pixel)은 말 그대로 픽셀을 다른 픽셀로 바꿔주는 모델입니다.
• 이 때, pix2pix의 한계는 훈련 데이터 셋이 반드시 짝으로 존재해야한다는 점입니다. 예를 들어, 흑백 사진을 컬러로 바꾸는 모델은 비교적 그 데이터 셋을 구하기 쉽겠지만, 실제 사진을 고흐 풍으로 바꾼다거나 할 때 실제 사진을 고흐풍으로 그린 이미지는 사실상 구할 수 없습니다.
• 이를 해결하기 위해 제안된 모델이 CycleGAN으로 쌍을 이루지 않는 unpaired dataset을 이용하여 image to image translation 하는 모델입니다.