[Diffusion] 생성모델에서의 Latent Space, Latent Space Vector 개념

 

 

생성 모델은 해당 데이터의 분포를 따르는 기존에는 없던 새로운 데이터를 생성해내는 모델이다. 생성모델은 데이터의 분포를 학습하게 되는데, 데이터는 Latent Space를 가지고 있으며 학습 할 때 이 Latent Space를 학습하는 것이라고 할 수 있다. 참고로 latent는 데이터가 가지고 있는 잠재적인 변수를 뜻한다. 

그림자료 : https://dacon.io/en/competitions/official/235946/codeshare/5499

 

Latent Vector는 한 이미지가 가지고 있는 잠재적인 벡터 형태의 변수이고, Latent Vector들이 모여서 latent space가 형성이 되는 것이다. Latent Space에는 우리가 학습시킬 이미지들이 Latent Vector의 분포 형태로 존재하게 되고 모델을 통해서 이미지가 가지고 있는 Latent의 분포를 학습하게 된다. 

 

그림자료 : https://dacon.io/en/competitions/official/235946/codeshare/5499

 

기존의 이미지 분류, 탐지 모델들은 이미지로부터 Feature를 벡터화 하여 Latent Space를 만들어내고, 생성 모델은 Latent Sapce를 학습하여 이미지를 생성한다고 이해하면 된다. 즉, 이미지 분류 모델과 같은 모델들은 이미지를 벡터로 만들어내고, 생성 모델은 벡터를 이미지로 만든다고 생각하면 된다. 

 

그래서 생성 모델은 "분포"를 학습시키는 것이기 때문에 분포와 관련된 방법들이 많이 사용된다고 한다. 

 

 

 

 

참고자료 1 : https://dacon.io/en/competitions/official/235946/codeshare/5499

[👮경도팀 1주차] 생성모델이란 무엇인가?