수식으로 이해하고, 코드로 습득하고, 결과물로 알아보는

파이토치를 활용한 딥러닝과 비전 생성 모델

 

이제는 누구나 쉽게 접할 수 있는 각종 생성형 AI 서비스는 컴퓨터 비전, 그중에서도 비전 생성 모델의 기술적 산물입니다. 인공지능과 관련된 전문가로 성장하기 위해서는 단순히 완성형으로 개발된 서비스를 이용해보기에 앞서 동작의 원리를 깨쳐야 합니다. 이에 『생성형 AI를 위한 컴퓨터 비전』은 미드저니, 빙 이미지 크리에이터, 스테이블 디퓨전, 스노우 앱 등의 서비스를 개발할 때 사용되는 이미지 및 영상 생성 관련 컴퓨터 비전 기술의 근간을 설명합니다.

 

비전 생성 모델과 관련된 각종 모델에 대해 수학 공식을 통해 수리적인 배경을 이해하고 소스코드를 한 줄씩 따라가며 동작 기술을 습득할 수 있습니다. 또한 텍스트 입력을 처리하는 트랜스포머, 이미지와 텍스트 프롬프트의 정보를 연결하는 CLIP 모델, 파이프라인 및 응용 기법 등을 지원하는 허깅페이스의 Diffuser 라이브러리와 함께 멀티 모달 비전 생성 모델의 결과 도출 방식을 알 수 있습니다. 이제는 생성형 AI 제품 및 서비스를 경험해보는 것을 넘어 책에서 제시하는 전망과 미래 잠재력에 동참해보도록 합시다.

 

[목 차]

 

1장 비전 생성 모델

_1.1 비전 생성 모델이란?

__1.1.1 영상 생성 모델

__1.1.2 영상 변환 모델

__1.1.3 스타일 변환 모델

__1.1.4 영상 품질 개선 모델

_1.2 비전 생성 모델의 활용 분야

__1.2.1 예술 및 디자인

__1.2.2 엔터테인먼트

__1.2.3 의료 및 산업 분야

__1.2.4 게임 개발

_1.3 비전 생성 모델 이해를 위한 배경지식

__1.3.1 평균과 분산

__1.3.2 정규 분포

__1.3.3 최대 가능도 추정

__1.3.4 쿨백-라이블러 발산

__1.3.5 MAE 손실 함수와 MSE 손실 함수

_1.4 구현 및 실습을 위한 도구

__1.4.1 CUDA와 CuDNN 설치

__1.4.2 아나콘다 설치

__1.4.3 파이토치란?

 

2장 비전 생성 모델링 방식 및 특징

_2.1 오토 인코더

__2.1.1 소개 및 이론

__2.1.2 구현 및 실습

__2.1.3 정리

_2.2 변이형 오토 인코더

__2.2.1 소개 및 이론

__2.2.2 구현 및 실습

__2.2.3 정리

_2.3 생성적 적대 신경망

__2.3.1 소개

__2.3.2 GAN

__2.3.3 WGAN

__2.3.4 cGAN

__2.3.5 DCGAN

__2.3.6 구현 및 실습

__2.3.7 정리

_2.4 확산 모델

__2.4.1 소개 및 이론

__2.4.2 구현 및 실습

__2.4.3 정리

 

3장 생성적 적대 신경망 기반 응용 모델

_3.1 영상 생성 모델

__3.1.1 PGGAN

__3.1.2 StyleGAN

__3.1.3 정리

_3.2 영상 변환 모델

__3.2.1 pix2pix

__3.2.2 CycleGAN

__3.2.3 정리

_3.3 스타일 변환 모델

__3.3.1 AdaIN

__3.3.2 StarGAN

__3.3.3 정리

_3.4 영상 품질 개선 모델

__3.4.1 초해상도: SRGAN

__3.4.2 디블러링: DeblurGAN

__3.4.3 정리

 

4장 확산 모델 기반 응용 모델

_4.1 트랜스포머

_4.2 CLIP

_4.3 Diffusers 라이브러리란?

_4.4 멀티 모달 비전 생성 모델

__4.4.1 미드저니

__4.4.2 빙 이미지 크리에이터

__4.4.3 스테이블 디퓨전

__4.4.4 정리

_4.5 응용 및 확장 기법

__4.5.1 드림부스

__4.5.2 컨트롤넷

__4.5.3 정리

 

5장 최신 연구 및 서비스 동향

_5.1 관련 서비스 및 응용 분야 소식

_5.2 비전 생성 모델의 전망과 미래