26 lines
1.4 KiB
Markdown
26 lines
1.4 KiB
Markdown
---
|
|
id: P-REINFORCE-AI-GEN-ADVERSARIAL-NETWORKS
|
|
category: "[[10_Wiki/💡 Topics/AI]]"
|
|
confidence_score: 0.99
|
|
tags: [DeepLearning, GAN, GenerativeAI, ML]
|
|
last_reinforced: 2026-04-20
|
|
---
|
|
|
|
# [[Generative-Adversarial-Networks]]
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "생성자와 판별자의 제로섬 게임이 낳은 현실의 복사본." 서로를 이기려는 적대적인 두 신경망의 경쟁을 통해 데이터의 참된 분포를 창조적으로 학습해내는 알고리즘이다.
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
- **Generator**: 가짜 데이터를 만들어 판별자가 진짜로 믿게 함. (학습 목표: 판별자의 에러율 극대화)
|
|
- **Discriminator**: 진짜와 가짜를 구분함. (학습 목표: 자신의 판별 정답률 극대화)
|
|
- **Adversarial Loss**: 두 손실 함수의 상호 보완적 최적화로 모델을 훈련시킴.
|
|
- **Applications**: 이미지 복원, 스타일 변환, 텍스트-투-이미지 생성, 의료 영상 합성.
|
|
|
|
## ⚠️ 모순 및 업데이트 (RL Update)
|
|
- GAN의 가장 큰 위협은 'Deepfake' 등의 악용 가능성이다. 따라서 GAN 연구와 병행하여, 생성된 이미지의 미세한 통계적 오차(Artifacts)를 찾아내어 가짜임을 판별하는 'Forger Detection' 연구가 방어 차원에서 매우 중요하게 다뤄지고 있다.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- Related: [[Diffusion-Models]] , [[Deepfake-Detection-Research]]
|
|
- Method: [[Minimax-Strategy]]
|