GAN (Generative Adversarial Networks)

▶ GAN (Generative Adversarial Networks)

적대적 생성 신경망 

2014년에 이안 구펠로우가 발표한 신경망 구조 

2개의 신경망인 생성자(Generator)와 판별자(Discriminator)로 구성되어 있다. 

생성자(Generator)	판별자(Discriminator)
입력 데이터를 받아 실제 데이터와 비슷한 새로운 데이터를 생성한다.  무작위적으로 주어진 노이즈를 이용하여, 실제 데이터와 비슷한 가짜 데이터를 생성하는 것이 목표이다.	생성자가 생성한 가짜 데이터와 실제 데이터를 구별하는 역할을 한다.  이진 분류기로서 입력된 데이터가 실제인지(Class1) 가짜로 생성된 데이터인지 (Class 0)를 판별한다.

 

생성자는 학습 초기에 실제 데이터와 비슷한 데이터를 만드는데 실패할 수 있다. 그런데 판별자가 이것을 식별하고, 생성자는 점차적으로 판별자를 속일 수 있는 방법을 학습하게 된다. 이 과정을 통해, 생성자가 실제 데이터와 거의 구별이 안되는 가짜 데이터를 생성하게 되고, 판별자는 이것을 식별하기 어렵게 되는 최적의 상태가 된다. 

---

▷ GAN의 적용 

사람같은 얼굴 만들기	GAN을 사용하여 실제와 거의 구별할 수 없는 가짜 얼굴 이미지를 생성할 수 있다. 가상의 인물을 생성하거나, 얼굴 인식 시스템의 성능을 향상시키는 것도 가능하다
유명한 애니메이션 만들어내기	GAN을 사용하여 유명한 애니메이션 캐릭터의 새로운 이미지도 만들 수 있다.  새로운 캐릭터 디자인을 만들거나, 애니메이션 제작 과정에서 비용과 시간을 절약할 수 있다.
고양이 만들기	현실적인 고양이 이미지를 생성할 수 있다. 이를 통해 가상 혹은 캐릭터 고양이를 만들거나, 고양이 관련 제품의 디자인과 마케팅에 활용할 수 있다.
이미지 변환 (Image Translation)	GAN을 사용하여 한 도메인에서 다른 도메인으로 이미지를 변환할 수 있다. 예를 들어, 말의 이미지를 얼룩말로 변환하거나, 여름 풍경을 겨울 풍경으로 변환하는 등의 작업이 가능다.
스케치 리얼리즘화 (Sketch Realismization)	간단한 스케치를 현실적인 이미지로 변환할 수 있다. 이를 통해 미술 작품의 완성도를 높이거나, 디자인 과정에서 스케치를 시각화하는 등의 용도로 활용할 수 있다.
이미지 애니메이션 (Image Animation)	정적인 이미지를 움직이는 이미지로 변환할 수 있다. 예를 들어, 모나리자의 얼굴을 움직이게 하거나, 동물의 움직임을 시뮬레이션하는 등의 작업이 가능하다.
3D 물체 디자인 (3D Object Design)	GAN을 사용하여 3D 물체의 디자인을 생성할 수 있다. 이를 통해 의자, 자동차, 소파, 테이블과 같은 다양한 3D 물체를 디자인하거나, 가상 공간에서의 시뮬레이션 및 가상 현실(VR) 환경 구축에 활용할 수 있다.

---

▷ GAN 예시

위조지폐범과 경찰 

위조 지폐범 / 생성자	경찰 / 판별자
실제 데이터와 비슷한 가짜 데이터를 생성하려고 한다.	실제 데이터를 기반으로, 진짜와 위조를 구별하는 역할을 한다. 진짜인지 위조인지 판별하여 위조된 데이터를 식별하고 이것을 차단한다.

 

GAN은 생성자와 판별자 2가지 요소를 활용하여 진짜와 구별하기 어려운 가짜 데이터를 생성하고, 판별자가 이것을 감지하도록 학습한다. 이 과정을 통해 생성자는 점차적으로 실제 데이터와 구별할 수 없는 가짜 데이터를 만드는 능력을 향상시키며, 판별자가 이것을 구별하기 어렵게 만드는 학습을 진행한다.