페이스북AI, GAN 훈련 보강하는 IC-GAN 모델 개발

데이터셋에 없는 이미지도 학습하는 유연성 강화
라벨링 필요없다.. 라벨링 완성 안 된 이미지도 학습
기존 정형화된 것에서 벗어나 창의적 이미지 생성

무수히 많은 이미지가 GAN 기술로 새로 창조되고 있다. 페이스북AI는 이러한 GAN을 보강하는 새로운 IC-GAN 모델을 개발했다. (사진=셔터스톡).

페이스북 AI팀이 기존 생성적 적대 신경망(GAN) 훈련을 보강하는 Instance-Conditioned GAN(IC-GAN) 모델을 개발했다. 페이스북 AI는 지난 20일(현지시간) 공식 블로그에 이 같은 소식을 알리며 “전통적인 GAN 훈련방식과 달리 라벨링된 데이터 없이도 실제처럼 보이는 이미지를 생성할 수 있다”고 밝혔다.

지금까지 GAN은 훈련과 관련된 데이터셋만으로 학습해야 하는 제한이 있었다. 예를 들어 다양한 자동차 종류로 만들어진 데이터셋을 공부한 GAN은 이에 관한 이미지를 완벽하게 생성한다. 그러나 여기에서 명령어가 꽃이나 다른 물체로 바뀌면 실패할 가능성이 크다. 한 번도 학습하지 않은 영역에 있어서 GAN은 그 실력을 발휘하지 못하는 단점이 있었던 것이다.

페이스북은 IC-GAN을 개발하며 이 문제를 해결하는 방향을 제시했다. IC-GAN은 라벨링이 완료된 데이터셋과 그렇지 않은 데이터셋에서 모두 활용할 수 있다. 라벨링에 제한을 두지 않고 유연하게 프레임워크를 확장했다. 단일 이미지를 사용해 데이터셋과 시각적으로 가장 유사한 이미지를 생성한다.

사진을 보면 쉽게 이해할 수 있다. 지금까지의 GAN은 예를 들어 ‘강아지’라는 단일 이미지를 보고, 이를 학습해 그와 비슷한 모습의 강아지를 만들었다. 얼핏 보기에 어딘가에 있을 법한 생김새지만 GAN이 창조(생성)해낸 가짜일 뿐이다. GAN은 이렇듯 이미지 훈련을 통해 실제와 흡사한 객체를 만들어내는 기술이 탁월하다.

지금껏 GAN이 이미지를 생성하기 위해 학습한 결과물을 설명하는 사진. (사진=페이스북AI 공식 블로그).

IC-GAN은 여기에 더해 전형적으로 어울리지 않는 배경까지 학습해 지금까지 보지 못한 새로운 사진을 만들 수 있다. 예를 들어 지금까지 해왔던 대로 ‘낙타’ 사진을 학습해 이미지를 생성하는 것 외에도, 눈 쌓인 도로까지 섭렵할 수 있다. 기존 훈련 데이터가 낙타와 어울리는 이미지로 사막만 포함했던 스테레오 타입을 벗어나 ‘낙타와 눈’이라는 창의적인 콘텐츠 개발이 가능해진 것이다.