국내도서

>

컴퓨터/인터넷

>

IT 전문서

>

컴퓨터공학

>

인공지능/퍼지

• 
• 제휴몰 주문 시 고객보상, 일부 이벤트 참여 및 증정품 증정, 하루/당일 배송에서 제외되므로 참고 바랍니다.

• 
• 도서  > 컴퓨터/인터넷  > IT 전문서  > 컴퓨터공학  > 인공지능/퍼지

• 
• 
• 이미지/동영상/음성/텍스트를 생성하는 확산 모델 기술의 수학적 원리 확산 모델은 DALL-E2, 미드저니, 스테이블 디퓨전 등 텍스트에 대응하는 이미지를 생성하는 기술의 바탕으로 고품질 데이터를 창출하는 생성 모델로 주목받고 있다. 이 책은 확산 모델의 기본적인 개념부터 그 발전 과정과 응용 사례를 매우 자세히 설명한다. 확산 모델의 원리를 수학적으로 살펴봄으로써 이론을 한층 더 잘 이해하고 확산 모델의 높은 잠재력을 끌어낼 수 있을 것이다.
• 
• 수식과 그림으로 확산 모델 제대로 이해하기 DALL-E2, 미드저니, 스테이블 디퓨전 등 텍스트로 이미지를 생성하는 인공지능의 발달이 가져온 충격을 우리 모두 목격했다. 이러한 기술의 바탕에 있는 것이 바로 확산 모델이다. 오늘날의 생성 AI를 이해하려면 고품질 데이터를 생성하는 확산 모델을 이해하는 것이 필수불가결하지만, 관련 자료는 부족한 실정이다. 이 책은 확산 모델의 기본적인 개념부터 그 발전 과정과 응용 사례를 자세히 설명한다. 수식을 더 직관적으로 이해할 수 있도록 여러 그림과 그래프를 함께 제공하며, 학습 안정성, 우도 추정, 조건부 생성 등을 기존 생성 모델과 비교해 살펴봄으로써 확산 모델을 명확히 이해할 수 있다. 이 책이 더욱 특별한 이유는 일본 AI 1위 업체인 Preferred Networks의 최고연구책임자 오카노하라 다이스케가 집필했다는 점이다. ‘기술을 둘러싼 풍부한 맥락을 제공’한다고 평가받는 베테랑 저자이기도 한 오카노하라 다이스케는 이 책으로 32회 오카와 출판상을 수상했다. 오늘날 인공지능의 중심에 있는 확산 모델을 제대로 이해하고자 한다면 이 책이 길잡이가 될 것이다. 주요 내용 ● 생성 모델의 개요와 기본 개념 ● SNR과 점수 기반 모델로 이해하는 확산 모델 ● 연속 시간 확산 모델 및 확산 모델의 특장점 ● 분류기 가이던스, 부분공간, 대칭성 등 확산 모델의 발전 ● 동영상, 음성 합성, 화합물 등 확산 모델의 응용 사례
• 
• 옮긴이 머리말 viii 추천사 ix 머리말 xi 기호 일람 xv CHAPTER 1 생성 모델 1 1.1 생성 모델이란 무엇인가 1 1.2 에너지 기반 모델과 분배함수 4 1.3 학습 방법 6 1.4 고차원에서의 다봉분포 데이터 생성의 어려움 13 1.5 점수: 로그 우도 입력에 대한 기울기 14 __1.5.1 랑주뱅 몬테카를로 방법 16 __1.5.2 점수 매칭 18 __1.5.3 암묵적 점수 매칭 19 __1.5.4 암묵적 점수 매칭이 점수를 추정할 수 있다는 증명 22 __1.5.5 디노이징 점수 매칭 26 __1.5.6 디노이징 점수 매칭이 점수를 추정할 수 있다는 증명 30 __1.5.7 잡음이 정규분포를 따르는 경우의 증명 32 __1.5.8 점수 매칭 방법 정리 37 요약 37 CHAPTER 2 확산 모델 39 2.1 점수 기반 모델과 디노이징 확산확률 모델 39 2.2 점수 기반 모델 40 __2.2.1 추정한 점수를 사용하는 랑주뱅 몬테카를로 방법의 문제점 40 __2.2.2 점수 기반 모델은 여러 개의 교란 후 분포의 점수를 조합한다 42 2.3 디노이징 확산확률 모델 46 __2.3.1 확산 과정과 역확산 과정으로 이루어진 잠재변수 모델 46 __2.3.2 DDPM의 학습 51 __2.3.3 DDPM에서 디노이징 점수 매칭으로 56 __2.3.4 DDPM을 사용한 데이터 생성 61 2.4 SBM과 D...DPM의 신호 대 잡음비를 사용한 통일적인 구조 62 __2.4.1 SBM과 DDPM의 관계 62 __2.4.2 연속 시간 모델 70 __2.4.3 잡음 스케줄과 관계없이 같은 해를 얻을 수 있다 71 __2.4.4 학습 가능한 잡음 스케줄 72 요약 73 CHAPTER 3 연속 시간 확산 모델 75 3.1 확률미분방정식 76 3.2 SBM과 DDPM의 SDE 표현 77 3.3 SDE 표현의 역확산 과정 80 3.4 SDE 표현 확산 모델 학습 81 3.5 SDE 표현 확산 모델 표본추출 83 3.6 확률 플로 ODE 84 __3.6.1 확률 플로 ODE와 SDE의 주변 우도가 일치한다는 증명 86 __3.6.2 확률 플로 ODE의 우도 계산 88 __3.6.3 신호와 잡음으로 나타내는 확률 플로 ODE 88 3.7 확산 모델의 특징 89 __3.7.1 기존 잠재변수 모델과의 관계 90 __3.7.2 확산 모델은 학습이 안정적이다 91 __3.7.3 복잡한 생성 문제를 간단한 부분 생성 문제로 분해한다 92 __3.7.4 다양한 조건을 조합할 수 있다 93 __3.7.5 생성의 대칭성을 자연스럽게 도입할 수 있다 94 __3.7.6 표본을 추출할 때 스텝 수가 많아 생성 속도가 느리다 95 __3.7.7 확산 모델로 어떻게 일반화할 수 있는지에 대한 이해가 미해결 95 요약 96 CHAPTER 4 확산 모델의 발전 97 4.1 조건부 생성에서의 점수 97 4.2 분류기 가이던스 98 4.3 분류기를 사용하지 않는 가이던스 99 4.4 부분공간 확산 모델 102 __4.4.1 부분공간 확산 모델의 학습 104 __4.4.2 부분공간 확산 모델의 표본추출 106 4.5 대칭성을 고려한 확산 모델 107 __4.5.1 기하와 대칭성 107 __4.5.2 화합물의 회전배열 110 요약 117 CHAPTER 5 응용 119 5.1 이미지 생성, 초해상, 보완, 이미지 변환 120 5.2 동영상 및 파노라마 생성 121 5.3 의미 추출과 변환 122 5.4 음성의 합성과 강조 123 5.5 화합물의 생성과 회전배열 124 5.6 적대적 섭동에 대한 강건성 향상 125 5.7 데이터 압축 126 요약 127 APPENDIX A 부록 129 A.1 사전분포가 정규분포, 우도가 선형정규분포인 경우의 사후확률분포 129 A.2 ELBO 130 A.3 신호와 잡음을 이용한 확률 플로 ODE 도출 131 A.4 조건부 생성 문제 135 A.5 디노이징 암묵적 확산 모델 137 A.6 역확산 과정의 확률미분방정식 증명 141 A.7 비가우스 잡음에 의한 확산 모델 146 A.8 Analog Bits: 이산 변수 확산 모델 147 참고 문헌 149 찾아보기 154
• 
• 생성 모델이란 목표 도메인의 데이터를 생성하는 모델을 말한다. 그리고 몇몇 생성 모델은 주어진 데이터 x의 우도 p(x)를 평가할 수도 있다. 데이터가 어떻게 생성되는지 이해하는 것은 그 데이터를 이해하는 효과적인 방법의 하나이며, 또한 데이터를 자유롭게 생성할 수 있다면 많은 애플리케이션에 도움이 된다. 그래서 오래전부터 생성 모델에 관해 많은 연구가 이루어져왔다. (1쪽) 첫 번째는 점수 기반 모델(SBM)이다. 1장에서 살펴본 것처럼 디노이징 점수 매칭으로 추정한 점수를 사용하는 랑주뱅 몬테카를로 방법을 이용해서 대상 확률분포로부터 표본을 얻을 수 있다. 그러나 실제로는 점수 추정에 문제가 있고 표본추출에 매우 오랜 시간이 필요하며 고차원 다봉분포에서는 표본추출이 잘되지 않는다는 문제가 있다. 이런 문제를 해결하기 위해서 여러 개의 크기가 다른 잡음으로 섭동한 분포상에서 점수를 학습하고 랑주뱅 몬테카를로 방법을 이용해서 데이터를 생성하는 것을 살펴본다. (39쪽) 확률 플로 ODE는 ODE를 사용한 생성 모델인 신경 ODE(neural ODE)의 특수한 형태로 볼 수 있다. 신경 ODE는 미분방정식을 사용해서 사전분포에서 추출된 데이터를 변화시키는 방법으로 각 시간의 변화량을 신경망으로 모델링한다. 확률 플로 ODE는 이 변화량을 앞의 식 (3.6)을 바탕으로 정의한다. (85쪽) 분류기를 사용하지 않는 가이던스는 분류기 가이던스 문제를 해결할 수 있다. 다양한 잡음 수준에서 분류기를 조건 없는 점수와 따로 학습할 필요가 없고 일반적인 학습에서 조건을 일정 확률로 드롭아웃시키기만 하면 된다. 그래서 학습을 크게 단순화할 수 있다. 또, 조건부 점수와 조건 없는 점수의 학습을 공유화해서 실제로 관계없는 y와 x의 관계를 발견할 가능성을 줄일 수 있으므로 생성 품질을 대폭 개선할 수 있다. (101쪽) 가장 학습이 어려웠던 동영상 생성도 확산 모델을 사용해서 구현되고 있다. 동영상 생성은 각 프레임의 이미지를 생성하는 문제로 볼 수 있다. 동영상 생성은 매우 고차원의 데이터 생성 문제를 다루기 때문에 훈련 데이터에 과적합 하는 것조차 어려웠다. 확산 모델을 사용한 동영상 생성은 일부 프레임을 생성하여 그것을 조건으로 사용하는 방식이다. (121쪽)
• 
• 

• 오카노하라 다이스케 [저]

• 도쿄 대학 대학원 정보이공학계연구과 컴퓨터과학 전공 정보이공학 박사이다. 2006년 Preferred Infrastructure를 공동 창업했고, 2014년 Preferred Networks를 공동 창업해 대표이사 겸 최고연구책임자를 맡고 있다. 공저 포함 12권의 AI 도서를 집필했고, 2023년 《확산 모델의 수학》으로 32회 오카와 출판상을 받았다.

• 손민규 [저]

• 소니 반도체에서 데이터 분석을 활용한 알고리즘 및 시스템 개발 업무를 했다. 현재 삼성전자에서 관련 데이터 분석 업무를 하고 있으며 사원을 대상으로 통계 알고리즘 강의를 진행했다. 일본 규슈대학교에서 인공지능의 한 분야인 Reinforcement Learning 알고리즘 개발로 박사학위를 받았으며 관심 분야는 Reinforcement Learning, Neural Network, Genetic Algorithm 등 Machine Learning Algorithm을 활용한 시스템 개발이다. 저서로는 『데이터 분석을 떠받치는 수학 개정판(2020)』, 『기초부터 시작하는 강화학습/신경망 알고리즘(2019)』이 있으며 『정석으로 배우는 딥러닝(2017)』을 감수하였고 『가장 쉬운 딥러닝 입문 교실(2018), 『실전! 딥러닝(2019)』을 번역하였다.

• 전체 0개의 구매후기가 있습니다.
• 

인터파크도서는 고객님의 단순 변심에 의한 교환과 반품에 드는 비용은 고객님이 지불케 됩니다. 단, 상품이나 서비스 자체의 하자로 인한 교환 및 반품은 무료로 반품 됩니다. 교환 및 반품이 가능한 경우 상품을 공급 받은 날로부터 7일이내 가능 공급받으신 상품의 내용이 표시, 광고 내용과 다르거나 다르게 이행된 경우에는 공급받은 날로부터 3개월 이내,    혹은 그사실을 알게 된 날 또는 알 수 있었던 날로부터 30일 이내 상품에 아무런 하자가 없는 경우 소비자의 고객변심에 의한 교환은 상품의 포장상태 등이 전혀 손상되지 않은 경우에 한하여 가능 교환 및 반품이 불가능한 경우 구매확정 이후(오픈마켓상품에 한함) 고객님의 책임 있는 사유로 상품 등이 멸실 또는 훼손된 경우    (단, 상품의 내용을 확인하기 위하여 포장 등을 훼손한 경우는 제외) 시간이 지남에 따라 재판매가 곤란할 정도로 물품의 가치가 떨어진 경우 포장 개봉되어 상품 가치가 훼손된 경우 다배송지의 경우 반품 환불 다배송지의 경우 다른 지역의 반품을 동시에 진행할 수 없습니다. 1개 지역의 반품이 완료된 후 다른 지역 반품을 진행할 수 있으므로, 이점 양해해 주시기 바랍니다. 중고상품의 교환 중고상품은 제한된 재고 내에서 판매가 이루어지므로, 교환은 불가능합니다. 오픈마켓 상품의 환불 오픈마켓상품에 대한 책임은 원칙적으로 업체에게 있으므로, 교환/반품 접수시 반드시 판매자와 협의 후 반품 접수를 하셔야하며,    반품접수 없이 반송하거나, 우편으로 보낼 경우 상품 확인이 어려워 환불이 불가능할 수 있으니 유의하시기 바랍니다.

배송예정일 안내 인터파크 도서는 모든 상품에 대해 배송완료예정일을 웹사이트에 표시하고 있습니다. <인터파크 직배송 상품> 상품은 월~토요일 오전 10시 이전 주문분에 대하여 당일 출고/당일 배송완료를 보장하는 상품입니다. 상품은 서울지역/평일 주문분은 당일 출고/익일 배송완료를 보장하며, 서울외지역/평일 주문분의 경우는 오후 6시까지 주문분에 대하여 익일 배송완료를 보장하는 상품입니다. (단, 월요일은 12시까지 주문에 한함) 상품은, 입고예정일(제품출시일)+택배사배송일(1일)에 배송완료를 보장합니다. ~ 상품은 유통특성상 인터파크에서 재고를 보유하지 않은 상품으로 주문일+기준출고일+택배사배송일(1일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※기준출고일:인터파크가 상품을 수급하여 물류창고에서 포장/출고하기까지 소요되는 시간 <업체 직접배송/오픈마켓 상품> ~ 상품은 업체가 주문을 확인하고, 출고하기까지 걸리는 시간입니다. 주문일+기준출고일+택배사배송일(2일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※5일이내 출고가 시작되지 않을시, 오픈마켓 상품은 자동으로 주문이 취소되며, 고객님께 품절보상금을 지급해 드립니다. 배송비 안내 도서(중고도서 포함)만 구매하시면 : 배송비 2,000원 (1만원이상 구매 시 무료배송) 음반/DVD만 구매하시면 : 배송비 1,500원 (2만원이상 구매 시 무료배송) 잡지/만화/기프트만 구매하시면 : 배송비 2,000원 (2만원이상 구매 시 무료배송) 도서와 음반/DVD를 함께 구매하시면 : 배송비 1,500원 1만원이상 구매 시 무료배송) 도서와 잡지/만화/기프트/중고직배송상품을 함께 구매하시면 : 2,000원 (1만원이상 구매 시 무료배송) 업체직접배송상품을 구매시 : 업체별로 상이한 배송비 적용    * 세트상품의 경우 부분취소 시 추가 배송비가 부과될 수 있습니다.    * 북카트에서 배송비없애기 버튼을 클릭하셔서, 동일업체상품을 조금 더 구매하시면, 배송비를 절약하실 수 있습니다. 해외배송 안내 인터파크도서에서는 국내에서 주문하시거나 해외에서 주문하여 해외로 배송을 원하실 경우 DHL과 특약으로 책정된 요금표에    의해 개인이 이용하는 경우보다 배송요금을 크게 낮추며 DHL(www.dhl.co.kr)로 해외배송 서비스를 제공합니다. 해외배송은 도서/CD/DVD 상품에 한해 서비스하고 있으며, 다른 상품을 북카트에 함께 담으실 경우 해외배송이 불가합니다. 해외주문배송 서비스는 인터파크 도서 회원 가입을 하셔야만 신청 가능합니다. 알아두세요!!! 도매상 및 제작사 사정에 따라 품절/절판 등의 사유로 취소될 수 있습니다. 오픈마켓업체의 배송지연시 주문이 자동으로 취소될 수 있습니다. 출고가능 시간이 서로 다른 상품을 함께 주문할 경우 출고가능 시간이 가장 긴 기준으로 배송됩니다. 유통의 특성상 출고기간은 예정보다 앞당겨지거나 늦춰질 수 있습니다. 택배사 배송일인 서울 및 수도권은 1~2일, 지방은 2~3일, 도서, 산간, 군부대는 3일 이상의 시간이 소요됩니다.