생성적 적대 신경망(generative adversarial network, GAN)은 생성자(generator)와 판별자(discriminator)를 함께 학습하는 구조다. 판별자는 실제 표본과 생성된 표본을 구분하도록, 생성자는 판별자가 구분하기 어려운 표본을 만들도록 학습한다. 조건부 GAN(conditional GAN)은 클래스(class)나 다른 조건을 입력에 추가한다. DCGAN은 합성곱(convolution) 구조를 활용하고 SRGAN은 초해상도(super-resolution), 즉 해상도 개선 과제와 연결된다. 여기서 ‘적대적(adversarial)’이라는 표현은 두 모델의 학습 관계를 뜻하며 시스템을 공격한다는 뜻은 아니다.
생성자와 판별자가 균형을 이루는 설명은 모든 학습이 반드시 수렴(convergence)한다는 보장이 아니다. 기본 GAN에서는 판별자의 피드백이 생성자 학습에 중요하다. 합성 데이터(synthetic data)도 원본의 모든 속성을 자동으로 보존하지 않으므로 다양성(diversity), 민감 정보 재현과 편향(bias)을 별도로 검사한다. 과거 문서의 상품 이름이 지금 신규 이용이 가능하다는 뜻은 아니다.
적용 범위: GAN의 기본 구조와 종류를 설명한다. 개별 모델 구현, 학습 수렴과 상품의 현재 이용 가능성은 별도로 확인한다.