생성 모델에 대한 설명으로 옳지 않은 것은? | [7급 국가직 인공지능] 23년 1회차 기출문제 상세 페이지
1[7급 국가직 인공지능] 23년 1회차
생성 모델에 대한 설명으로 옳지 않은 것은?
1
생성 모델을 통해 특정 연령, 성별, 안경 유형과 같은 원하는 속성으로 유명인의 얼굴을 바꿀 수 있다.
2
자기 부호화기(auto encoder)로 영상을 생성할 경우, 인코더와 디코더 설계 시 합성곱(convolution)층을 사용할 수 있다.
3
생성적 적대 신경망(또는 적대적 생성 신경망, GAN, Generative Adversarial Networks)이 성공적으로 학습을 완료하면 분별망은 생성망이 만든 영상을 식별할 수 있다.
4
변이형 자기 부호화기(variational auto encoder)는 학습 데이터의 분포를 따르는 새로운 영상을 생성할 수 있다.
해설
GAN 학습이 성공하면 생성망이 실제와 구별되지 않는 영상을 만들어 분별망이 진위를 식별할 수 없게 되므로, 식별할 수 있다는 설명이 옳지 않다.
이상적인 균형 상태에서 분별망은 어떤 입력에도 진짜일 확률을 0.5로 출력한다.
- 조건부 생성 모델 등으로 연령·성별·안경 같은 원하는 속성을 바꾼 얼굴을 만들 수 있다.
- 영상용 자기 부호화기는 인코더·디코더에 합성곱층(디코더는 전치 합성곱)을 쓸 수 있다.
- 변이형 자기 부호화기는 잠재 분포에서 표본을 뽑아 학습 데이터 분포를 따르는 새 영상을 생성한다.
오류나 개정된 내용이 보이면 알려주세요