최근 몇 년간 생성형 AI는 딥러닝 기술의 발전을 기반으로 고품질의 이미지와 비디오를 생성하며 혁신적인 도구로 부상하고 있습니다. GAN, VAE, Diffusion 모델과 같은 새로운 아키텍처는 엔터테인먼트, 광고, 과학적 시뮬레이션 등 다양한 산업 분야에서 창의적이고 실질적인 응용을 가능하게 했습니다. 그러나 생성 모델은 정답이 없는 결과물을 생성하기 때문에 평가가 어렵고, 이를 해결하기 위해 다양한 평가 척도가 연구되고 있습니다. 이러한 평가 척도는 인페인팅과 블랙박스 최적화를 통한 이미지 생성 등에서 실질적인 활용 가능성을 보여줍니다.
본 강의를 통해, 생성된 이미지를 어떻게 평가하고 사용할 지 많은 영감을 얻어가시길 기대합니다.



DAY 1
14:35-15:05
Main Room A
KoJaEn
스트리밍 있음
AI로 생성된 이미지의 품질을 측정하는 방법
Speaker

한종우 / LINE Plus
Applied ML Dev
2022년에 LINE Plus에 합류하였고, 현재는 Applied ML Dev의 Lead를 맡고 있습니다.
주요 관심사는 Vision model를 이용한 평가 및 모니터링입니다.

배수만 / LINE Plus
Applied ML Dev
2021년에 LINE Plus에 합류하였고, Vision 관련 다양한 ML 모델을 개발하였습니다. 현재는 멀티 모달 및 생성모델을 활용한 어플리케이션에 관심이 많습니다.

김희찬 / LINE Plus
Applied ML Dev
2021년에 LINE Plus에 합류하였습니다. 팀 내에서 사내의 다양한 요구에 따른 여러 AI 모델 및 서비스를 개발하고 있습니다. 현재는 생성형 AI모델과 그 평가에 관심이 많습니다.