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 →
AI TOPIC
GAN 최신 뉴스와 핵심 해설
GAN 관련 핵심 뉴스와 활용 인사이트 6편을 최신순으로 모았습니다.
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 →