GAN에서 생성자(Generator)와 판별자(Discriminator)의 역할

1. 생성자 (Generator)

 

 

 

Generator(생성자)는 랜덤 노이즈(Random Noise)를 입력받아 실제와 유사한 가짜 데이터를 생성하는 모델이다.
GAN의 목표는 판별자를 속일 수 있을 만큼 현실적인 데이터를 생성하는 것이다.

예시

• 랜덤 벡터 → 사람 얼굴 이미지 생성
• 노이즈 → 패션 이미지 생성
• 노이즈 → 손글씨 숫자 이미지 생성

특징

• Random Noise를 입력으로 사용
• 실제 데이터와 유사한 Fake Data 생성
• 판별자를 속이도록 지속적으로 학습

대표 활용 분야

• 이미지 생성 (AI 얼굴 생성)
• 이미지 스타일 변환
• 데이터 증강(Data Augmentation)
• 초해상도 이미지 생성

대표 모델

• DCGAN
• StyleGAN
• CycleGAN
• Pix2Pix

---

2. 판별자 (Discriminator)

 

 

Discriminator(판별자)는 입력된 데이터가 실제 데이터인지 생성자가 만든 가짜 데이터인지 구별하는 모델이다.
일종의 이진 분류기(Binary Classifier) 역할을 한다.

예시

• 실제 사람 얼굴 이미지 → Real
• 생성자가 만든 얼굴 이미지 → Fake

특징

• 이미지를 입력받아 Real / Fake 판단
• 생성자가 만든 데이터를 식별하도록 학습
• 생성자의 성능을 향상시키는 피드백 역할 수행

대표 활용 분야

• 이미지 진위 판별
• GAN 학습 안정화
• 데이터 품질 평가

대표 모델

• CNN 기반 분류기
• PatchGAN Discriminator
• Multi-scale Discriminator

---

정리

• Generator(생성자)
  → 랜덤 노이즈를 이용해 가짜 데이터를 생성하는 모델
• Discriminator(판별자)
  → 입력 데이터가 진짜인지 가짜인지 판별하는 모델

GAN은 이 두 모델이 서로 경쟁하며 학습하는 구조로 이루어져 있으며,
이 과정을 통해 생성자는 점점 더 실제와 유사한 데이터를 생성하게 된다.