GAN Application은 컴퓨터 비전, 머신 러닝, 과학과 공학 분야로 빠르게 확장 중이다.
일반적인 GAN은 비지도 학습으로 이루어져 있다.
하지만, GAN을 비지도 학습과 지도학습 작업에도 일반화 될 수 있다.
cGAN(conditional GAN)클래스 레이블을 이용해서 주어진 레이블 조건에 맞는 새로운 이미지를 합성한다.
MNIST 데이터셋을 통해 0~9 사이의 숫자를 선택하여 이미지를 생성할 수 있다.
cGAN은 이미지-투-이미지(image-to-image) 변화을 수행할 수 있다.
Pix2PixPix2Pix 알고리즘에서 판별자는 전체 이미지에 대한 하나의 예측을 만드는 것이 아닌,
이미지의 패치에 대한 진짜와 가짜 예측을 만든다.
CycleGANcGAN을 기반으로 이미지-투-이미지 변환을 위한 GAN 모델이다.
CycleGAN에서는 두 도메인의 훈련 샘플이 짝을 이루지 않는다.(출력과 입력 사이의 일대일 관계가 없다.)
CycleGAN을 이용하면, 여름 사진을 겨울 사진으로 바꾸거나 말을 얼룩말로 바꿀 수 있다.