[패스트캠퍼스 수강 후기] 인공지능강의 100% 환급 챌린지 61회차 미션

인공지능강의

PART 5) 딥러닝 최신 트렌드

75. Ch 07. 무엇이든 진짜처럼 생성하는 생성 모델 (Generative Networks) - 01. 생성모델이란

분별 모델 Discriminative Models

대부분의 Classification 방법. 입력 X가 특정 x일 때, 출력이 특정 Y일 확률을 각각 구하는 것.

Decision Boundary를 찾는 것이 목표

샘플을 입력 받아 각 Class에 속할 확률을 계산

 

생성 모델 Generative Models

출력 Y가 특정 y라고 가정했을 때, 모든 X가 여기에 속할 확률을 구한다.

생성 모델의 특징은, 입력의 분포를 학습한다는 것이다. 입력의 분포를 어떻게 모델링 하느냐가 다르다.

입력 샘플의 분포를 찾는 것이 목표

각 Class에 대해 샘플이 속할 확률을 구해서 비교

 

생성 모델의 활용

입력의 분포를 학습 -> 입력을 ' 모사'할 수 있는 능력이라고 할 수 있음

앞으로 배울 GAN, VAE 등을 이용해 심층 생성 모델이 할 수 있는 다양한 동작이 있음.

 

 

76. Ch 07. 무엇이든 진짜처럼 생성하는 생성 모델 (Generative Networks) - 02. 화제를 몰고왔던 관련 애플리케이션 소개

 

Image-to-Image Translation Pix2pix

다양한 입출력 관계를 학습할 수 있는 학습 모델로, 초창기에 GAN을 알리는데 큰 역할을 했다.

ex) Label to Street Scene, Labels to Facade, BW to Color, Aerial to Map, Day to Night, Edges to Photo

 

Image Style Transfer

영상 스타일 전이 연구, 스마트폰 앱등을 통해 많이 알려짐.

 

심층 얼굴 합성 DeepFake

얼굴 합성 기술 

 

Pose Transfer

DeepFake 연구의 일환으로, 춤 영상 등을 생성.

 

문장-영상 변환 Text2Image

간단한 문장을 이해하고, 이것을 영상으로 변환하는 연구 분야.

연구 초기 단계.

 

 

https://bit.ly/3g72Rmm

딥러닝/인공지능 올인원 패키지 Online. | 패스트캠퍼스