13.1.2 생성 모델의 유형
생성 모델의 유형에는 다음 그림과 같이 모델의 확률 변수를 구하는 ‘변형 오토인코더 모델’과 확률 변수를 이용하지 않는 ‘GAN 모델’이 있습니다.
▲ 그림 13-2 생성 모델의 유형
생성 모델은 크게 명시적 방법(explicit density)과 암시적 방법(implicit density)으로 분류할 수 있습니다. 명시적 방법은 확률 변수 p(x)를 정의하여 사용합니다. 대표적인 모델로 변형 오토인코더(variational autoencoder)가 있습니다. 암시적 방법은 확률 변수 p(x)에 대한 정의 없이 p(x)를 샘플링하여 사용합니다. 대표적인 모델로 GAN(Generative Adversarial Network)이 있습니다.
변형 오토인코더는 이미지의 잠재 공간(latent space)1에서 샘플링하여 완전히 새로운 이미지나 기존 이미지를 변형하는 방식으로 학습을 진행합니다. GAN은 생성자와 판별자가 서로 경쟁하면서 가짜 이미지를 진짜 이미지와 최대한 비슷하게 만들도록 학습을 진행합니다.
변형 오토인코더부터 살펴보겠습니다.
1 숫자 5 이미지를 입력하면 인코더는 숫자 5를 받아서 분석한 후 2차원 좌표평면, 예를 들어 (5,5)에 표현합니다. 이때 숫자 5 이미지를 고차원 데이터라고 하며 좌표평면에 표현된 벡터는 점 (5,5)에 해당됩니다. 그리고 2차원 좌표평면을 잠재 공간이라고 합니다.