Machine learning
생성적 적대 신경망
생성적 적대 신경망(Generative Adversarial Network, GAN)은 2014년 Ian Goodfellow와 동료들이 소개한 것으로, 두 신경망, 즉 생성자(generator)와 판별자(discriminator)의 경쟁을 통해 사실적인 합성 데이터를 생성한다. 이는 이미지 합성, 데이터 증강, 분포 추정에 널리 사용된다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+20 more
출처
- Goodfellow, I. et al. (2014). Generative Adversarial Nets. NeurIPS. link ↗
- Karras, T. et al. (2020). Analyzing and Improving the Image Quality of StyleGAN. CVPR. DOI: 10.1109/CVPR42600.2020.00813 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Generative Adversarial Network (GAN). ScholarGate. https://scholargate.app/ko/deep-learning/generative-adversarial-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 확산 모델딥러닝↔ compare
- 신경망 상미분방정식 (Neural ODE)딥러닝↔ compare
- 점수 기반 생성 모델딥러닝↔ compare
- Variational Autoencoder딥러닝↔ compare
이 방법을 참조하는 항목
적대적 훈련CycleGAN: Cycle Consistency를 이용한 비쌍 이미지-이미지 변환도메인 적응형 GAN도메인 적응형 변이형 오토인코더설명 가능한 GANFine-Tuned Generative Adversarial NetworkLoRA 및 PEFT다국어 GAN멀티모달 GANMultimodal Variational Autoencoder신경망 스타일 변환자가 지도 확산 모델Self-supervised GAN자기 지도 학습 이미지 분류자기 지도 변분형 오토인코더준지도 학습 확산 모델준지도 학습 GAN준지도 학습 변이형 오토인코더Synthetic Data Generation전이 학습 GANVariational Autoencoder를 이용한 전이 학습Variational AutoencoderVision TransformerWasserstein GAN (WGAN)약한 지도 확산 모델약지도 GAN약지도 변분 오토인코더