Related to: Applications
개요
Conditional GAN(cGAN)은 기존 GAN에 Conditional Vector를 추가해서 원하는 결과를 생성할 수 있게 한 조건부 생성 모델입니다.
핵심 개념
Conditional Generative Model
기존 GAN에 추가적으로 Conditional Vector를 추가해서 원하는 결과를 생성할 수 있게 한다.
기존 GAN과의 차이
| 항목 | GAN | cGAN |
|---|---|---|
| 입력 | 랜덤 노이즈 z | 랜덤 노이즈 z + 조건 벡터 c |
| 생성 제어 | 불가 | 가능 (class, attribute 등) |
| 응용 예 | 랜덤 이미지 생성 | 클래스 조건부 생성, 이미지 변환 |
활용 예시
- 클래스 조건부 생성: 숫자 ‘7’ 또는 특정 클래스의 이미지만 생성
- 텍스트-이미지 변환: 텍스트 설명을 조건으로 이미지 생성
- 이미지-이미지 변환: Pix2Pix의 기반이 되는 아이디어
관련 개념
- GAN(Vanilla GAN) — cGAN의 기반이 되는 원본 GAN
- Pix2Pix — cGAN을 이미지-이미지 변환에 적용한 모델
- CycleGAN — 비지도 방식의 이미지 변환 GAN
- StyleGAN — Style 정보를 조건으로 활용하는 고급 생성 모델
- BCELoss(Binary Cross Entroby Loss) — GAN Discriminator에서 사용하는 손실 함수