0. Overview

안녕하세요.

이번 글에서는 앞으로 GAN에 대한 글을 어떠한 방식으로 작성해나갈지 간단히 설명하려고 합니다.

 

1. AutoEncoder
2. VAE (paper review)
3. GAN (paper review)
4. DCGAN (paper review)
5. 이외 다른 GAN 모델들 (paper review 위주)

 

첫 번째로 AutoEncoder를 다루는 이유는 VAE라는 모델을 설명하기 위해서 입니다.

AutoEncoder는 본래 generative model concept 목적으로 연구된 것이 아니라, dimension reduction 연구를 위해 사용되던 모델입니다. 하지만, VAE라는 모델이 AutoEncoder 기반으로 이루어져있기 때문에 VAE를 배우면서 AutoEncoder 관련 용어들이 종종 등장합니다. 그렇기 때문에 AutoEncoder를 제일 먼저 다루려고 합니다.

 

두 번째로는 VAE를 다룰 예정입니다. 기존에 generative model을 만들기 위해서는 여러 어려움이 존재했습니다. 대표적으로 intractable computation 문제가 있었죠. 쉽게 말해, 컴퓨터로 generative model을 만들려고 하면 계산이 불가능할 정도의 복잡한 수식을 풀어내야 합니다. VAE는 이러한 intractable computation 문제를 tractable computation 문제로 전환시키는 기법을 도입하여 generative model을 만드는 시도를 했습니다. Generative model을 자주 다루다 보면 intractable이라는 용어와 probabilistic 이라는 용어가 자주 사용되는데, VAE 논문을 리뷰하면서 이러한 용어들에 대한 설명을 하려고 합니다. 

 

세 번째로는 GAN을 다룰 예정입니다. Ian J. Goodfellow의 논문을 리뷰하면서 GAN에 대해서 알아보려고 합니다. 그리고, 네 번째로 DCGAN을 다루면서 vision 분야에서 GAN을  어떻게 적용했는지 알아보겠습니다.

 

 

처음 GAN을 접하시는 분들이라면 지금 말씀드린 내용이 모두 이해가 안되시는게 당연합니다.

앞으로 포스팅 하는 글을 최대한 열심히 작성하여 다시 이 글을 보셨을 때, 이해하실 수 있게 노력해보도록 하겠습니다!