Earticle

초록

영어

Recent generative models, especially generative models such as ChatGPT and DALLE- 3, have had a great impact on society, and technology to intricately manipulate and understand the latent space of these models is becoming important. In this paper, we propose the “Visualization Autoencoder” method, a new method that visualizes and manipulates the latent space of the learned generative model. This method aims to manipulate the latent vectors of the generative model by reducing them to three or less dimensions that can be visualized. In this study, the latent space manipulation of the generative model is defined as two types: “generating samples of interest” and “visualizing the transformation process between samples”. For this purpose, we limit our-selves to a deep neural network-based generative model that assumes the necessary mathematical properties “one-to-one correspondence” and “locally smoothness”. As a result of experiments using the MNIST dataset, we confirmed that the proposed visualization autoencoder method for a deep neural network model that satisfies these properties can generate samples of interest and visualize the conversion process.

한국어

최근에 생성모델, 특히 ChatGPT와 DALLE-3과 같은 생성모델들은 사회에 큰 영향을 미치며, 이러한 모델들의 잠재공간을 정교하게 조작하고 이해하는 기술이 중요해지고 있다. 본 논문에서는 학 습된 생성모델의 잠재공간을 시각화하여 조작하는 새로운 방법인 “시각화 오토인코더” 방법을 제안한 다. 이 방법은 생성모델의 잠재벡터를 입력으로 하여 3차원 이하의 시각화 가능한 차원으로 축소하여 조작하는 것을 목표로 한다. 본 연구에서는 생성모델의 잠재공간 조작을 “관심 있는 샘플 생성”과 “샘 플 간 변환 과정 시각화” 두 가지로 정의하고, 이를 위해 필요한 수학적 성질 “일대일 대응”과 “locally smoothness”를 가정한 심층신경망 기반의 생성모델로 제한한다. MNIST 데이터셋을 사용하여 실험 한 결과 이러한 성질을 만족하는 심층신경망 모델에 대해 제안된 시각화 오토인코더 방법으로 관심 있는 샘플을 생성, 변환 과정을 시각화할 수 있음을 확인하였다.

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 시각화 오토인코더를 사용한 학습된 심층신경망의 잠재공간 조작 시스템
3.1 학습된 심층신경망의 잠재공간 조작 정의와 필요한 성질
3.2 시각화 오토인코더를 사용한 잠재공간 조작 방법
4. 실험
4.1 시각화 오토인코더의 기하학적 관점
4.2 MNIST 데이터를 사용한 시각화 오토인코더의 잠재공간 조작
5. 결론
REFERENCES

키워드

저자

• 고영민 [ Young-Min Ko | 전주대학교 문화기술학과 박사과정, 인공지능연구소 ]
• 이은주 [ Eun-Ju Lee | 전주대학교 문화기술학과 박사과정, 인공지능연구소 ]
• 민정익 [ Jeong-Ik Min | 전주대학교 인공지능학과, 인공지능연구소 ]
• 고선우 [ Sun-Woo Ko | 전주대학교 인공지능학과, 인공지능연구소 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  정보화연구 [정보화연구(구 정보기술아키텍처연구)]

• 간기

  계간

• pISSN

  1738-382X

• 수록기간

  2004~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 325 DDC 658