1. VAE 개념 AE(Auto Encoder) : 잠재 공간(Latent Variable)에 값을 저장한다.잠재 공간에서는 input x에 대해 자신을 언제든지 reconstruct 할 수 있는 "z를 만드는 것" VAE : 잠재 공간에 확률분포를 저장하므로, 평균과 분산 파라미터를 생성한다.input x가 만들어지는 확률분포를 찾고, 다른 Data에 대해 이 확률분포(Variational Distribution)를 활용 주 목적은 Latent space(즉, 이미지의 특징)를 Decoder에 통과시켜 결과를 얻는 것=> Decoder를 학습그리고 여기서 Decoder를 학습시키기 위해 Encoder를 앞단에 붙여 특징을 뽑는 과정이 추가된다는 것이다. 2. VAE - Approximate Model ..

1. Cycle GAN Model - Generator 1) 2개의 GAN(G&F)- Generator G : X-> Y mapping(Foward transformation)- Generator F :  Y-> X mapping(Backward transformation) pix2pix generatorUNet : encoder-decoder 구조로 고수준의 특징 추출을 수행한다.(생성된 이미지의 해상도가 낮음) Cycle GAN generator비슷한 성격을 지닌 두 도메인 간의 이미지 변환을 수행Unet의 많은 skip connection -> 모델이 과도하게 단순화, 생성된 이미지의 세부 정보(detail) 부족하게 됨결론적으로, ResNet & residual block을 사용 2. Cycle ..

1. Unconditional GAN앞서 설명한 일반적인 GAN의 경우 Unconditional한 생성 모델이며 데이터에 대한 제어를 위해 추가 정보를 사용하지 않는 모델이다. (The general GAN explained earlier is an unconditional generative model that does not use additional information to control the data generation.) 생성되는 데이터의 특정한 종류나 속성을 조절하기 위한 추가적인 정보 없이 데이터를 생성하게 된다. 2. Conditional GAN  Conditional GAN은 생성될 데이터의 특성을 지정하는 추가 정보를 사용하여 데이터 생성을 조절한다.입력에 조건을 추가하여 원하는 특..

1. GAN이란? GAN은 Generative Adversarial Network 즉, 적대적 생성 신경망으로, 2014년 Ian Goodfellow가 발명한 비지도 학습 알고리즘이다. GAN은 두 개의 Neural Network인 Generator와 Discriminator로 구성되며 이 두 신경망이 서로 경쟁하며 학습하는 구조를 가진다. 2. Generative model 분류 모델은 decision boundary를 학습하며 sample x가 주어졌을 때 label y의 확률 P(y|x)를 추정 생성 모델은 각각의 class에 대해 적절한 분포를 학습하며, sample x의 확률분포 P(x)를 추정 이미지 데이터셋을 예로 들면, 이미지의 다양한 특징을 반영한 특정 확률 분포가 존재하며 확률값이 높은..