GAN: Generative Adversarial Networks (꼼꼼한 딥러닝 논문 리뷰와 코드 실습)

생성 모델(Generative Model)은 실제로는 존재하지 않지만, 있을법한 데이터를 만들어 내는 모델을 의미합니다. 오늘은 현대 딥러닝 기반 생성 모델에 큰 영향을 끼친 논문인 GAN(NIPS 2014)을 소개합니다. GAN은 최근까지 이미지 도메인에서의 많은 발전이 이루어져 특정한 분야의 이미지(사람의 얼굴, 동물의 형체 등)를 생성하거나 수정하는 작업을 수월하게 만들어주고 있습니다.

논문 핵심 요약: 00:00:00
코드 실습: 00:33:26
논문 같이 읽기: 00:38:40

본 시리즈의 동영상에서 사용된 강의 자료(PPT)와 코드는 다음의 깃허브 저장소에 업로드됩니다.
https://github.com/ndb796/Deep-Learning-Paper-Review-and-Practice

본 강의는 논문 요약, 논문 리딩, 코드 실습을 포함하고 있습니다. (바로 실행 가능한 Colab 코드를 제공합니다.)

① Generative Adversarial Networks (GAN)의 동작 원리와 수학적인 증명을 이해할 수 있습니다.
② PyTorch를 기반으로 GAN 모델을 구현해 간단한 손글씨 이미지 생성 모델을 학습할 수 있습니다.
③ NIPS 2014에 업로드된 GAN 논문 원서를 함께 읽어 보며 내용을 이해할 수 있습니다.