인식 모델과 생성 및 변환 모델의 차이

컴퓨터 비전 분야는  인식 태스크와 생성 태스크로 나뉘게 됩니다.

• 인식 태스크
  • 인식 태스크는 예측할 변수의 형태 즉, 번주형 변수인지 연속형 변수인지에 따라서 분류 모델과 회귀 모델로 나뉩니다.
• 생성 태스크
  • 생성 태스크는 순수 생성과 조건부 생성으로 나뉘는데, 조건부 생성의 경우 특정 조건을 입력으로 주게 되면, 해당 조건에 맞는 이미지를 생성하는 태스크입니다.

과거에는 인식 태스크의 연구가 많은 연구가 되어 왔으나, 현재는 생성 및 변환 태스크가 활발하게 연구되고 있습니다.

 

인식 태스크 : 분류 모델

다음과 같이 꽃 이미지와 꽃의 종류를 나타내는 데이터 셋이 있다고 가정해보자.

꽃이 있는 데이터 셋과 꽃의 종류

해당 이미지 데이터 셋을 학습시켜 분류 모델을 학습시켜서, 새로운 이미지가 입력으로 주어 졌을 때,

해당 이미지의 꽃의 종류 인식해 분류하는 것이 분류 모델입니다.

 

인식 태스크 : 회귀 모델 

회귀 모델은 어떤 주어진 입력 입지에서 연속형 변수의 값을 추정하는 법을 학습합니다.

따라서 다음과 같은 이미지가 입력으로 주어지면, 해당 이미지 속에 사람의 나이를

예측하는 모델이 하나의 예입니다. 최근에는 교통사고의 과실 비율에 대해서 예측하는

모델들도 하나의 예입니다.

 

생성 태스크

생성 모델은 주어진 학습 데이터의 확률 분포를 학습을 한 후, 해당 확률 분포로부터 랜덤 하게 샘플 데이터를 생성하는 모 델입니다.

 

변환 태스크 : 조건부 생성 모델

조건부 변환 태스크

변환 모델은 주어진 입력 이미지에 원하는 속성을 반영한 이미지를 합성을 하는 모델입니다. 

 

다음에는 인식 태스크의 다양한 방법들과 생성 태스크의 활용 가치에 대해서 알아보겠습니다.

 

감사합니다.