On the journey of

1. 생성형 인공지능이란? 기계가 사람처럼 생각하고 행동할 수 있는 지능(추론, 문제해결, 창작, 개발을 할 수 있는 지적 능력)을 갖도록 만드는 기술을 의미한다. 이때 추론, 문제해결, 계획, 아이디어 이해 등은 전통적인 인공지능의 영역으로 예측, 판단, 분류 등에 활용되는 반면 창작, 개발 등 정답이 없는 생성형 인공지능 분야는 오디오, 코드, 텍스트, 영상 등 새로운 콘텐츠를 생성하는 데 사용할 수 있는 알고리즘을 포함한다. 이 중 생성형 AI는 Text, Images & Video, Audio(음성), Chatbots, Search(검색기능) 등 크게 5개 종류로 나눌 수 있다. 특히 검색기능의 경우, 검색기능 구현을 위해 NLP와 ML(머신러닝)을 같이 활용하기 때문에 아직 갈 길이 멀다(!)...

Original Paper) https://arxiv.org/pdf/2003.08936.pdf (Direct PDF Download) https://arxiv.org/abs/2003.08936v4 GAN Compression: Efficient Architectures for Interactive Conditional GANs Conditional Generative Adversarial Networks (cGANs) have enabled controllable image synthesis for many vision and graphics applications. However, recent cGANs are 1-2 orders of magnitude more compute-intensive than..

Original Paper & Detail version Nips paper : https://proceedings.neurips.cc/paper/2020/file/55479c55ebd1efd3ff125f1337100388-Paper.pdf Detail Version paper: https://arxiv.org/pdf/2006.10738.pdf Differentiable Augmentation for Data-Efficient GAN Training The performance of generative adversarial networks (GANs) heavily deteriorates given a limited amount of training data. This is mainly because t..

https://arxiv.org/pdf/1701.07875.pdf Introduction 기존의 GAN 계열에서는 Unsupervised Learning(또는 Self-Supervised Learning)에서 학습 데이터x에 대한 정답 라벨 y가 존재하지 않기 때문에, 데이터 x의 분포 P(x)를 직접 학습한다. P(x)의 파라미터 theta(세타)를 아래와 같이 정의한다. P(x)를 직접 표현하는 것은 어렵다.(정답을 이미 알고 있다는 의미) 따라서 latent variable z의 분포를 가정하여 입력으로 사용 Discriminator와 Generator 간의 관계를 학습 시켜 Generator의 분포를 P(x)에 가깝게 학습시킨다. GAN의 문제점 : Discriminator와 Generator 사..