딥러닝 개론 12 ~ 13장 생성모델

생성모델 - 없던 것을 만든다.

VAE - 압축된 패턴에서 출력을 만들자 
단순 차원을 줄이는게 아니라 평균, 분산과 같은 통계적인 특징을 추출한다.

Latent vector에 노이즈를 넣어서 복구한다!

인코더는 평균, 분산만 뽑는다. = 패턴의 통계적인 특성을 뽑는다.
=> 평균과 분산으로 샘플링을 취하고, 복구를 하면 원본 데이터랑은 조금 다른 결과가 나온다.

GAN - 속이고, 다시 안속도록 학습하는 적대 신경망 
생성자 - 랜덤 노이즈로부터 가짜를 만든다. how - lossfunction을 어떻게 정의하냐 
판별자와 생성자를 동시에 학습시키지 않고 각각 번갈아서 학습한다.

생성모델은 부족한 샘플의 수를 늘리기 위해 데이터를 증강할 때 사용된다.
기존 데이터의 특징을 유지하면서 새로운 샘플을 만든다.
VAE는 통계적 특성을 반영하고, 데이터 셋의 통계적 특성이 별로라면 GAN을 사용할 수 있다.

 

diffusion - 고농축된 것들이 시간이 지나면서 점점 파진다.
Forward - 노이즈 첨가 = 학습된 분포를 더하면서 새로운 샘플을 생성한다.
Reverse - 정해진 노이즈 제거 

 

노이즈가 더해진다.

 

GAN이 계속 학습한다고 좋은 것이 아니다. 판별자가 더 이상 제대로 판단하지 못하면 생성자도 이상해진다.