모두의연구소 딥러닝연구실 DeepLAB에서 진행중인 논문세미나 발표자료입니다.


논문제목 : Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks

발표자 : 토론식 진행

날짜 : 2015년 1월 4일


내용요약 : (김택수 연구원님 글 발췌)

GAN (Generative Adversarial Network) [1] 라는게 이쪽에서 가장 유명한 방식인데, 위조지폐범과 경찰의 대결 같은 방식으로 네트워크를 학습합니다. 경찰은 계속 새로운 위조지폐를 잘 판별할 수 있어야 하고, 위조지폐범은 계속 경찰을 더 잘 속일 수 있는 위조지폐를 만들어야 합니다. 이렇게 경찰과 위조지폐범을 동시에 학습시키면 최후에는 인생의 진리에 따라 악이 승리하고 완벽한 위조지폐가 만들어지게 되죠.

GAN에서는 위조지폐범에 해당하는 Generative Model (G)이 실제 이미지와 구분하기 힘든 이미지를 생성해 내고, 경찰에 해당하는 Discriminative Model (D)은 실제 이미지 또는 생성된 이미지를 랜덤으로 뽑아서 이게 위조인지 아닌지를 판별하게 됩니다. Minimax Loss를 적용해 서로 반대 작용을 하는 G와 D를 동시에 학습합니다.

이걸 개선한 모델 중 이미지 피라미드와 Laplacian 필터를 적용한 LAPGAN [2]이 있고요, 이번에 나온 DCGAN [3]이란게 있습니다 (이건 아직 안 읽음). 첨부한 이미지가 DCGAN 논문에 있는 이미지인데 침실 이미지를 상당히 디테일하게 만들어내네요.

Generative Model이 이미지를 생성할 때, 무에서 유를 생성할 수는 없으니, 보통은 Noise에 해당하는 z라는걸 하나 뽑은 뒤 이걸 토대로 이미지를 생성합니다. (저번주에 발표한 DRAW모델에서도 이 z에 해당하는게 있었음)


[1] Generative Adversarial Networks (http://arxiv.org/abs/1406.2661)

[2] Deep Generative Image Models using a Laplacian Pyramid of Adversarial Networks (http://arxiv.org/abs/1506.05751)

[3] Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks (http://arxiv.org/abs/1511.06434)


DCGAN 캐릭터 생성 데모 : http://mattya.github.io/chainer-DCGAN/







모두의연구소 페이지와 커뮤니티 그룹에 오시면 더 많은 정보를 만나보실 수 있습니다.

모두의연구소 페이지 https://www.facebook.com/lab4all

모두의연구소 커뮤니티 그룹 : https://www.facebook.com/groups/modulabs



저작자 표시 비영리 변경 금지
신고
크리에이티브 커먼즈 라이선스
Creative Commons License

+ Recent posts