오늘 다룰 논문에서 보여줄 내용에서 제가 아주 재미있다고 생각한 부분을 먼저 소개해드리면서 시작해보겠습니다.
KING (왕)−MAN (남자)+WOMAN (여자)
만약 위에 수식을 계산해야한다면 어떤 단어가 답이 될 것이라 생각되시나요?
QUEEN (여왕)
은 어떤가요? 사람에게는 이런 연산이 그리 어려운 일이 아니지만 컴퓨터에게 이런 연산은 사실 1) 단어의 의미를 이해하고 2) 그에 맞는 새로운 단어를 찾는 생각보다 고차원의 처리가 필요한 어려운 문제일 수 있습니다. 이런 문제를 인공신경망으로 해결하려 한 것이 word2vec이란 이름으로 연구되어있고 이 또한 상당히 흥미로운 주제 중 하나입니다.
오늘 소개해드릴 DCGAN은 이런 문제를 단어나 말뭉치가 아닌 이미지에서 하는 것이 가능하다는 것을 보여줍니다. 예를 들자면 실제 논문에 있는 그림인데 다음과 같은 것을 말합니다:
지금 여기에 나온 사진들은 모두 다 실제 사진 등으로 찍은 이미지가 아닌 학습된 뉴럴 네트워크가 만들어낸 이미지입니다. 이 이미지를 만들어내는 입력값 중에 "안경을 쓰고 있는 남자들"을 그리게 하는 입력값들을 모아 평균치를 구하고, "안경 없는 남자"와 "안경 없는 여자"들을 만들어 내는 입력값들에 대해서도 평균치를 구한 후 각각 빼고 더해주면 새로운 입력값들이 나오겠지요?
그 입력값을 다시 뉴럴 네트워크에 넣어서 이미지가 뭐가 나오는지 보면 놀랍게도 "안경을 쓴 여자"가 나온다는 것입니다.
심지어 이 결과들이 처음부터 이런 문제를 풀기 위한 것이 아니라 이미지를 생성하기 위해 학습을 하고나서 부수적으로 얻은 결과라는 것이 매우 놀랍죠....
아무튼 여러분이 DCGAN에 흥미를 가지셨다면 성공입니다. 이젠 DCGAN이 어떻게 이런 결과가 나오도록 학습한 것인가?!에 대해 찬찬히 살펴보겠습니다.
1편이 좀 어려운 얘기가 나온다 싶어도 일단 넘기며 읽으시고 결과들을 중점적으로 보는 2편을 보시면 조금 더 재미있으실겁니다.
창작글
글쓰기