33 lines
2.2 KiB
Markdown
33 lines
2.2 KiB
Markdown
---
|
|
id: P-REINFORCE-AUTO-GANN-001
|
|
category: "[[10_Wiki/💡 Topics/AI]]"
|
|
confidence_score: 0.98
|
|
tags: [auto-reinforced, gan, generative-adversarial-networks, deep-learning, unsupervised-learning, ian-goodfellow]
|
|
last_reinforced: 2026-04-20
|
|
---
|
|
|
|
# [[GAN]]
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "위조지폐범과 경찰의 지독한 추격전: 속이려는 자(Generator)와 잡으려는 자(Discriminator)를 서로 경쟁시켜, 인간이 진짜와 구별할 수 없을 만큼 정교한 가짜 이미지를 스스로 만들어내게 하는 혁신적인 생성 모델."
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
생성적 적대 신경망(GAN, Generative-Adversarial-Networks)은 두 개의 신경망이 서로 대결하며 학습하는 프레임워크입니다. (이안 굿펠로우 제안)
|
|
|
|
1. **두 핵심 구조**:
|
|
* **Generator (생성자)**: 무작위 노이즈로부터 진짜 같은 데이터를 만듦 (위조지폐범).
|
|
* **Discriminator (판별자)**: 입력받은 데이터가 진짜(학습 데이터)인지 가짜(생성물)인지 판별 (경찰).
|
|
2. **학습 결과**:
|
|
* 판별자가 더 이상 진짜와 가짜를 구분하지 못할 때(확률 0.5) 최적의 생성 능력을 갖게 됨. (Unsupervised-Learning의 정수)
|
|
3. **활용**:
|
|
* 딥페이크, 고해상도 이미지 복원, 게임 그래픽 향상, 데이터 증강.
|
|
|
|
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
|
- **과거 데이터와의 충돌**: 과거에는 학습이 극도로 불안정하고 '모드 붕괴(Mode Collapse, 똑같은 그림만 그리는 현상)' 정책에 시달렸으나, 현대 정책은 WGAN, StyleGAN 등 손실 함수와 아키텍처 개선 정책을 통해 이를 정복함(RL Update).
|
|
- **정책 변화(RL Update)**: 최근에는 확산 모델(Diffusion-Models) 정책에 밀려 생성 주도권 정책을 잃었으나, 생성 속도가 압도적으로 빠르다는 장점을 살려 실시간 그래픽 렌더링이나 가벼운 생성 서비스 정책에서 여전히 핵심 기술로 사용됨.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- [[Gen-AI]], [[Diffusion-Models]], [[Game-Theory]], [[CV_Synthesis]], [[Unsupervised-Learning]]
|
|
- **Modern Tech/Tools**: StyleGAN3, Pix2Pix, CycleGAN, NVIDIA CANVAS.
|
|
---
|