생성 모델 — VAE & GAN / Generative Models: VAE & GAN

English summary. Two families of generative models trained on MNIST: a Variational Autoencoder (VAE) in PyTorch — encoder/decoder with a probabilistic latent space and the reconstruction + KL objective — and a Deep Convolutional GAN (DCGAN) in TensorFlow/Keras — a generator and discriminator trained adversarially.

---

개요

이미지를 생성하는 두 가지 대표 접근 — VAE(확률적 잠재공간 기반)와 GAN(적대적 학습) — 을 MNIST로 각각 구현·비교한 노트북입니다. 프레임워크도 PyTorch·TensorFlow 양쪽을 다룹니다.

노트북 구성

#	노트북	모델	프레임워크
01	vae_pytorch	VAE — 인코더/디코더, 잠재변수 샘플링(reparameterization), 복원 손실 + KL 발산	PyTorch
02	gan_tensorflow	DCGAN — Generator vs Discriminator 적대 학습, 체크포인트 저장, 생성 과정 시각화	TensorFlow/Keras

다룬 개념

• VAE: 잠재공간(latent space)으로 압축·복원, 확률적 인코딩, 복원 손실과 KL 정규화의 균형
• GAN: 생성자–판별자의 미니맥스 학습, DCGAN 구조, 학습 안정화
• 두 생성 모델의 접근 방식 차이(명시적 확률 모델 vs 암묵적 적대 학습) 비교

결과 시각화

VAE 노트북의 실제 출력입니다.

VAE가 잠재공간(latent space)에서 복원·생성한 MNIST 이미지입니다.

실행 방법

# VAE
pip install torch torchvision numpy matplotlib tqdm
# GAN
pip install tensorflow imageio matplotlib
jupyter notebook

참고

• Keras로 구현한 DCGAN(별도 과정): gan-mnist-image-generation
• 오토인코더(Keras): deep-learning-keras

---

NVIDIA AI Academy Seoul 교육과정 실습 — 전체 포트폴리오