일본계 스타트업의 연구진들은 최근 인위적으로 만들어진 사람들에 대한 실질적인 전신 이미지를 만들어낼 수 있는 기기학습 알고리즘을 개발한 것으로 나타나 기기학습 알고리즘의 활용 동향에 대해 살펴보고자 한다.
일본의 Kyoto University로부터 파생된 정보기술 스타트업인 DataGrid社는 최근 자신들이 개발한 기기학습 알고리즘 기술의 성능을 시연하기 위해 자신들의 웹사이트에 새롭게 개발한 알고리즘을 접목시킨 동영상을 공개하였다고 한다. 해당 내용을 살펴보면 이들이 개발한 도구를 통해 다채로운 의상들이 자연스럽게 접목된 모델들이 자유롭게 움직이며 각기 다른 의상을 입은 형태로 변환되는 영상을 볼 수 있다.
[출처]
연구진들에 의하면 해당 알고리즘은 이른바 '적대적 생성신경망(Generative Adversarial Network)'이라 불리우는 기술이 접목되어 진짜와 같은 허위모델을 생성해 이를 판별하는 모델이 상호 경쟁을 통해 진짜와 같은 가상의 이미지를 만들어내는 차세대 딥러닝 알고리즘을 활용하였다고 한다. 해당 기술은 현실 세계에 존재하는 무언가의 모방물을 만드는데 흔히 사용되는 기술로서 DataGrid社는 적대적 생성신경망 기술을 활용해 하연 배경에 고해상도의 자동적인 모델들의 이미지를 만들어냈으며, 지난 과거에도 얼굴 이미지를 생성하기 위해 유사한 도구들이 사용되었다.
하지만 인위적으로 생성된 사람의 얼굴과 머리결, 그리고 옷을 포함해 모든 알고리즘이 고정밀 수준의 전신 이미지화로 탄생한 것은 이번이 처음이라 볼 수 있어 산업계의 주목을 받고 있으며, 가상의 모델이 동작하는 범위를 확대시키기 위해 알고리즘을 보다 세분화하는 작업이 병행되고 있는 것으로 알려지고 있다.
연구진들이 개발한 알고리즘들은 최초 인간 모델의 실사 이미지를 통해 최초 훈련되었으며, 훈련 이후에는 각각의 알고리즘이 역할을 분담하여 한쪽은 반복적으로 인간 모델에 대한 이미지를 생산하고, 다른 한쪽은 가상의 이미지로부터 진짜 이미지를 구별하는 임무를 담당하게 되었다고 한다. 이후 최초의 알고리즘이 두번째 알고리즘이 만들어낸 실제 이미지와 인공지능이 생성한 이미지 간의 차이점을 구별해낼 수 없을때 까지 가짜 이미지를 개선하는 작업을 반복하게 된다고 한다.
상기 기술은 신제품을 전시하기 위한 사진제작이 필요한 모델을 촬영하기 위해 소요되는 인간 모델과 촬영비용에 소요되는 비용을 절약할 수 있을 것으로 기대되고 있으며, 이로 인해 패션업계나 광고업계에 활용될 것으로 예상되고 있다. 또한 전신 모델을 자동적으로 생성하기 위한 인공지능의 정확성이 보다 향상될 경우, 보다 다양한 분야에서 활용될 수 있는 가능성 또한 예상되고 있어 향후 보다 정교한 기술력의 도입에 관심이 집중되고 있는 시점이다.
[출처]
원문보기
