생성형 적대 신경망 GAN

Ⅰ. 생성형 적대 신경망, GAN의 개요

가. GAN의 정의

- 가짜 데이터를 생성하는 모델과 진짜와 가짜를 구분하는 모델을 함께 학습시켜 진짜와 구분하기 힘든 데이터를 생성하는 모델

 

나. GAN의 특징

비지도학습	- 학습 데이터의 레이블이 따로 주어지지 않고 진짜 이미지의 특징을 학습해 진짜 같은 가짜 이미지를 생성하는 모델
생성모델, 분류모델	- 생성 모델과 판별 모델 2개의 모델을 학습에 활용하여 오버피팅 문제 해결

 

Ⅱ. GAN의 절차도 및 구성요소

가. GAN의 절차도

- 분류기는 분류 정확도 높이도록, 생성자는 분류 정확도 낮추도록 학습 진행

 

나. GAN의 구성요소

구분	설명
훈련 데이터	- 생성 모델과 분류 모델을 훈련시키는데 사용되는 학습 데이터 집합
Generator (생성 모델)	- 생성자로 훈련 데이터 기반으로 데이터를 생성하고 분류기를 속이기 위해 진짜와 가까운 가짜 데이터를 생성
Discriminator (분류 모델)	- 판별자로 생성 모델이 생성한 가짜 데이터를 진짜와 분류하기 위해 학습하는 모델

 

Ⅲ. GAN의 도전과제

구분	문제점	설명
데이터	훈련 데이터의 불완전성	- 모델 학습에 활용되는 훈련 데이터의 불완전성으로 오류 발생
	생성 데이터의 품질	- GAN으로 생성한 합성 데이터의 품질이 인간이 만들어낸 데이터에 미치지 못함
윤리 / 법	딥페이크	- 불법으로 사람의 얼굴을 합성한 딥페이크 영상으로 개인정보 침해
	저작권	- 다른 사람의 창작물 무단 학습으로 도용 및 저작권 문제 발생

- 기술의 부정적 사용 문제 해결을 위한 정부 차원 법적 제도화 필요