정의

생성적 적대 신경망(GANs)은 Ian Goodfellow와 그의 동료들에 의해 2014년에 소개된 딥러닝 모델로, 두 신경망(생성자와 판별자)이 서로 경쟁하면서 데이터를 생성하는 방식입니다. GANs는 새로운 데이터 샘플을 생성할 수 있는 강력한 모델로, 이미지 생성, 비디오 생성, 데이터 증강 등 다양한 응용 분야에서 사용됩니다.

구조

GANs는 두 개의 주요 구성 요소로 구성됩니다:

1. 생성자 (Generator):
   • 노이즈 벡터(랜덤한 입력 값)를 받아서 가짜 데이터를 생성합니다.
   • 생성자의 목표는 판별자를 속여서 가짜 데이터를 진짜 데이터로 인식하게 만드는 것입니다.
2. 판별자 (Discriminator):
   • 진짜 데이터와 가짜 데이터를 입력으로 받아서, 이것이 진짜인지 가짜인지를 구분합니다.
   • 판별자의 목표는 진짜 데이터와 생성자가 만든 가짜 데이터를 정확하게 구분하는 것입니다.

이 두 신경망은 서로 경쟁하면서 학습을 진행합니다.

수학식 표현

GANs의 목표는 다음과 같은 미니맥스 게임(minimax game)으로 표현됩니다:

$\min_G \max_D V(D, G) = \mathbb{E}{x \sim p{\text{data}}(x)} [\log D(x)] + \mathbb{E}_{z \sim p_z(z)} [\log (1 - D(G(z)))]$

• $G$는 생성자 네트워크입니다.
• $D$는 판별자 네트워크입니다.
• $p_{\text{data}}(x)$는 진짜 데이터의 분포입니다.