U E D R , A S I H C RSS

정모/2021.03.24

No difference found



OMS

이해강 학우님의 '화풍을 그리다. CycleGAN'
다른 분들의 OMS 주제 추가를 기다리고 있습니다.

GAN 에 대하여

  • GAN ( Generative Adversarial Network)
  • 경찰과 도둑 예시
    • 도둑 : 자신이 만든 지폐에 대해 경찰의 아웃풋을 1로 만들기 G(x)
    • 경찰 목표 : 도둑 지폐는 0으로 진짜 지폐는 1로 만들기 D(x)
    • X : 진짜 지폐 , Z 는 학습 해야 할 노이즈

Mnist data set

  • 경찰과 도둑을 수천번 학습 시키면 둘 다 똑같아짐. GAN이라는 데이터 모델셋이 만든 숫자가 예시로 제시됨.
  • Pix2pix : 어느정도 표현된 모습을 보여주면 이미지와 비슷하게 만들어준다.
    • Pix2pix는 supervised learning 모델이다.

supervised learning 모델의 단점

  • 특정 데이터에 대한 lable 값이 필요하다. 즉 input이미지와 그에 상응하는 output 역시 데이터로서 준비되어야 한다. 이를 pair dataset이라고 부르며 데이터 수집에 어려움이 있다.
  • Input, output이 정해져 있어 output에서 input에서 역연산할 수 없어 일방적이다.

cycle GAN

  • 사진을 업로드하고, 화풍을 고르면 사진이 화풍처럼 표현된다.
  • 화풍만 가져와 사진에 덧붙인다.
  • 설명
    1. 민수와 철수는 해강마트 과일 코너에서 아르바이트를 한다.
    2. 해강마트 과일코너에서 팔린 모든 오렌지 수익은 민수, 모든 사과는 철수에게 돌아간다.
    3. 민수와 철수는 서로의 수익을 극대화하기 위해 스프레이를 뿌려 상대방의 과일을 자신의 과일처럼 보이게 한다. 민수는 사과를 주황색으로 칠하고, 철수는 오렌지를 빨간색으로 칠한다.
    4. 처음에는 실력이 좋지 않아 손님들이 알기 때문에 아무 일도 일어나지 않는다.
    5. 민수와 철수는 분발하여 손님이 속을 때까지 수없이 과일을 칠한다. 그 중에서는 상대방이 칠한 과일을 다시 칠하는 경우도 있다. 그렇게 몇 달 후 손님은 칠한 과일이 가짜인지 확인할 수 없게 된다. 이 경우 학습이 완료되었다고 한다.

4개의 학습 모델

  • g_AB : A이미지를 B로 바꾸는 모델
  • g_BA : B이미지를 A로 바꾸는 모델
  • d_A : A이미지와 g_BA이미지의 차이점을 인식한다. (A를 사러 온 손님)
  • d_B : B이미지와 g_AB이미지의 차이점을 인식한다. ( B를 사러 온 손님)
  • 이때 g_AB와 g_BA는 서로 순환하며 학습한다.
  • 무턱대고 학습하면 안 되고 규칙이 있다.
    • 유효성 : 각 생성자에서 만든 이미지가 판별자를 속일 수 있나?
    • 재구성 : 두 생성자를 그대로 적용하면 원본 이미지를 얻을 수 있는가? G_BA(g_AB(A)) = A인가?
    • 동일성 : 각 생성자를 자신의 이미지에 적용했을 때 그대로인가?

기술 더 알아보기

  • 이미지 변환에 대해 최신 기술을 찍먹하고 싶은 경우?: starGAN
  • 딥페이크와 관련된 기술? : StyleGAN
  • AI 노래와 관련된 기술? : MuseGAN
  • 등등...

참가자

안내사항

  • 4월부터 정회원 정리가 시작됩니다. 정회원 자격을 유지하고 싶으신 분들은 OMS 페이지에 OMS 주제를 등록해주시기 바랍니다. 4월까지 OMS 주제 등록이 없을 시, 회원 자격이 변동될 수 있습니다.
  • 현재 스터디 모집 중입니다. 활동 중인 스터디는 활동지도/2021에서 확인하실 수 있습니다. 많은 참여 부탁드립니다.

댓글

Valid XHTML 1.0! Valid CSS! powered by MoniWiki
last modified 2021-03-27 17:00:00
Processing time 0.0396 sec