VAE와 GAN 원리 정리, 잠재공간과 재파라미터화 트릭부터 GAN 학습 실패 모드까지
AI 안전 교육 프로그램 ARENA 강의를 정리했다. 오토인코더의 한계에서 출발해 VAE가 잠재공간에 분포를 학습시키는 이유, 역전파를 살리는 재파라미터화 트릭, GAN의 적대적 학습 구조와 실패 모드를 담았다.
핵심 내용 읽기 →
AI TOPIC
GAN 최신 뉴스와 핵심 해설
GAN 관련 핵심 뉴스와 활용 인사이트 13편을 최신순으로 모았습니다.
코넬 CS 6785 GAN 심화 정리: f-다이버전스, BiGAN, 사이클GAN과 학습 불안정성
코넬대 심층 생성 모델 강의가 GAN의 불안정성과 확장을 다룬다. 기울기 소실과 모드 붕괴가 왜 생기는지, f-다이버전스로 목적함수를 넓히는 f-GAN과 잠재변수 추론용 BiGAN, 짝 없는 도메인 변환을 푸는 사이클GAN을 정리했다.
핵심 내용 읽기 →
GAN 원리 정리 — 우도 없는 학습, 두 표본 검정과 젠슨-섀넌 발산이 만든 생성 모델
코넬대 심층 생성 모델 강의가 GAN을 처음 다룬 회차다. 우도 최대화의 한계에서 출발해 두 표본 검정, 판별자가 학습하는 밀도비, 젠슨-섀넌 발산과 모드 붕괴까지 GAN의 이론적 뼈대를 차례로 정리했다.
핵심 내용 읽기 →
생성모델 결합 강의 정리 — 자기회귀·VAE·플로우·GAN·확산모델을 섞는 다섯 가지 방법
코넬대 CS 6785 마지막 강의는 자기회귀 모델과 VAE, 정규화 플로우, GAN, 확산모델을 서로 결합해 온 연구들을 훑는다. 표현을 합치는 길과 목적함수를 바꾸는 길, 그리고 잠재변수가 무시되는 고질적 실패까지 한 자리에 놓는다.
핵심 내용 읽기 →
디퓨전 모델이 GAN을 이긴 방법: 분류기 가이던스와 ADM 논문 리뷰 한국어 해설
GAN이 지배하던 이미지 생성에서 디퓨전 모델이 앞서게 된 과정을 다룬 한국어 논문 리뷰다. 다양성과 충실도의 맞교환, 대규모 실험을 통한 아키텍처 개선, 그리고 분류기 가이던스가 작동하는 원리를 차근차근 짚는다.
핵심 내용 읽기 →
생성 모델 기초 정리: 오토인코더·VAE·GAN은 어떻게 새로운 데이터를 만들어내는가 (MIT 6.S191 강의)
MIT 6.S191 강의가 다룬 생성 모델의 뼈대를 정리했다. 오토인코더가 라벨 없이 특징을 찾아내는 방식, VAE가 잠재 공간을 정규화하는 이유, GAN의 생성자·판별자 경쟁 구조, 그리고 데이터 편향 탐지 같은 실제 쓰임새까지 짚는다.
핵심 내용 읽기 →
뉴럴 스타일 트랜스퍼부터 CycleGAN까지, 이미지 변환 모델 계보를 강의로 정리했다
UC 버클리 CS 198-126 강의가 다룬 이미지 대 이미지 변환 정리. 스타일 트랜스퍼의 그람 행렬 손실부터 pix2pix, CycleGAN, StarGAN, BicycleGAN까지 각 모델이 푼 문제를 짚는다.
핵심 내용 읽기 →
생성 모델 기초 완전 정리: 오토인코더, VAE, GAN의 원리와 차이점 (MIT 6.S191)
MIT 딥러닝 입문 강의 6.S191의 생성 모델 편을 정리했다. 데이터의 확률 분포를 학습한다는 공통 원리 위에서 오토인코더와 VAE, GAN이 각각 무엇을 목표로 어떻게 다르게 작동하는지 차근차근 설명한다.
핵심 내용 읽기 →
확산모델의 역사 쉽게 이해하기 — 오토인코더·VAE·GAN·디퓨전 정리
1987년 오토인코더에서 VAE와 GAN을 거쳐 2015년 확산모델과 텍스트용 Diffusion-LM까지, 이미지 생성 AI의 핵심 개념이 걸어온 발전 과정을 초보자 눈높이에 맞춰 한국어로 정리했다.
핵심 내용 읽기 →
AI 이미지 생성 원리: GAN·디퓨전 모델·NLP가 만드는 그림
GAN의 탄생부터 텍스트 이해를 위한 NLP와 잠재 공간, 그리고 오늘날 달리·미드저니·스테이블 디퓨전을 움직이는 디퓨전 모델까지 AI 이미지 생성의 원리를 정리했다.
핵심 내용 읽기 →
GAN(생성적 적대 신경망) 원리 입문: 생성자·판별자·로그 손실 쉽게 정리
실존하지 않는 얼굴을 만들어내는 GAN의 원리를, 2x2 픽셀 '기울어진 세계' 예시로 생성자와 판별자, 로그 손실, 적대적 학습까지 손으로 따라가며 설명합니다.
핵심 내용 읽기 →
GAN(생성적 적대 신경망)이란? 생성자·판별자의 적대 학습 원리 쉽게 이해하기
분류만 하던 신경망이 어떻게 새 이미지를 만들까. 위조범과 감정사의 대결에 빗댄 GAN의 생성자·판별자 적대 학습과 잠재공간 원리를 풀어본다.
핵심 내용 읽기 →
합성 데이터란? AI 학습·프라이버시·편향 완화까지 쓰임새 정리
합성 데이터는 실제 사건이 아니라 컴퓨터가 만들어 낸 데이터다. AI 학습·민감정보 보호·편향 완화 같은 쓸모와 한계, GAN 등 생성 방법을 쉽게 정리했다.
핵심 내용 읽기 →