머신러닝의 기초
이미지 등을 생성하는 모델에 대한 설명으로 적절한 것은?
- AGAN(생성적 적대 신경망)은 진짜와 가짜를 구별하는 판별자만 학습하고, 데이터를 만드는 생성자는 학습하지 않는다
- B확산 모델은 잡음을 제거하는 계산을 1회만 수행하여 이미지를 만들므로, 생성에 필요한 계산이 GAN보다 적다
- C확산 모델은 데이터에 잡음을 조금씩 더하는 과정을 생각하고, 그 잡음을 단계적으로 제거하는 처리를 학습하여 잡음으로부터 이미지를 생성한다
정답과 해설 보기
정답: C. 확산 모델은 데이터에 잡음을 조금씩 더하는 과정을 생각하고, 그 잡음을 단계적으로 제거하는 처리를 학습하여 잡음으로부터 이미지를 생성한다
GAN은 데이터를 만드는 생성자와, 진짜 데이터인지 생성자가 만든 데이터인지를 구별하는 판별자의 두 가지를 서로 경쟁시키듯이 번갈아 학습합니다. 확산 모델은 데이터에 잡음을 조금씩 더해 가는 과정을 거꾸로 거슬러 가도록, 각 단계에서 잡음을 추정하여 제거하는 네트워크를 학습하고, 순수한 잡음으로부터 단계적으로 데이터를 생성합니다. 확산 모델은 생성에 많은 단계의 계산이 필요하지만, 학습이 안정되기 쉽고 다양하고 질 높은 이미지를 만들기 쉬운 방법입니다.