Generative Adversarial Networks (GAN)
Goodfellow et al., 2014 — arXiv:1406.2661
핵심 아이디어
Generator(G) vs Discriminator(D) 두 네트워크의 적대적(minimax) 게임:
$$\min_G \max_D ; \mathbb{E}{x \sim p{data}}[\log D(x)] + \mathbb{E}_{z \sim p_z}[\log(1 - D(G(z)))]$$
- G: 노이즈 z → 가짜 데이터 생성
- D: 진짜/가짜 판별
학습 과정
- D 업데이트: 진짜는 1, 가짜는 0으로 분류하도록 학습
- G 업데이트: D를 속이도록 (D(G(z)) → 1) 학습
주요 변형
| 모델 | 특징 |
|---|---|
| DCGAN | Convolutional GAN |
| cGAN | 조건부 생성 |
| StyleGAN | 고해상도 얼굴 생성 |
| CycleGAN | 페어 없이 도메인 변환 |
한계
학습 불안정, Mode Collapse 문제 → Diffusion Model로 대체되는 추세.