https://www.youtube.com/watch?v=odpjk7_tGY0&t=69s

GAN 논문 소개

• Ian Goodfellow가 NIPS 2014 학술대회를 통해 발표한 생성모델
• 기존의 생성네트워크와는 달리 고품질 출력을 얻을 수 있음.

GAN의 기본 아이디어

• GAN은 Generator(G, 생성자)와 Discriminator(D, 판별자)라는 두 Deep Neural Network가 경쟁적 관계속에 학습한다.
• 생성자 G와 판별자 D는 게임이론에 기반한 2인 플레이 최적화 게임 방식으로 학습함.
• 각자 게임에서 좋은 평가를 받는 방식은 서로 다르다.
• 생성자 G는 판별자 D의 실수를 최대한 많이 유도하는 데이터를 만들어내면 좋은 평가를 받는다.
• 판별자 D는 생성자 G가 만들어낸 데이터(Generated data)와 실제 데이터(ground-truth data)를 잘 구분하면 좋은 평가를 받는다.

Generator

• 생성자 G의 목표는 데이터를 만들어내는 확률모델 $p_g$를 학습하는 것이다.
• 입력으로 다음과 같이 어떤 확률분포를 따르는 노이즈 $z\sim p_z(z)$가 있다면, 생성자 G는 노이즈 $z$를 입력으로 받아 Generated Data를 만드는 함수로 볼 수 있다. > $G(z;\theta_g)$
• 생성자 G에 대한 함수는 DNN으로 모델링이 가능하고, 학습은 Parameter $\theta_g$를 생성자의 목표에 맞게 최적화 시키는 과정으로 볼 수 있다.