SlideShare a Scribd company logo
E-mart App & 매장 Display
AI 어디까지 가능할까?
- GAN 을 통한 고찰 -
AI/ML담당
김훈동
차례
1. GAN 의 탄생이야기
2. GAN 의 뿌리 및 그 계파
3. 3D GAN 에 대하여
4. 유통에서의 GAN 에 대한 고찰
5. 기타 활용/확장
6. DEMO
1. GAN 의 탄생 이야기 1
출처: https://brunch.co.kr/@hvnpoet/122
1. GAN 의 탄생 이야기 2
출처: https://brunch.co.kr/@hvnpoet/122
1. GAN 의 탄생 이야기 3
출처: https://brunch.co.kr/@hvnpoet/122
1. GAN 의 탄생 이야기 4 – 2014년(google)
• 2014년, Google Brain 의 이안 굿펠로우(Ian Goodfellow)가 NIPS에서
‘Generative Adversarial Nets(GAN)’발표를 통해 생성 모델링 개념을
처음 도입을 하였다. (기존 모델링은 분류,예측 모델링…)
• But, 항상 불안정한 구조로 문제가 뒤따름.
• https://proceedings.neurips.cc/paper/2014/file/5ca3e9b122f61f8f06494c97b
1afccf3-Paper.pdf
1. GAN 의 탄생 이야기 5 – 2016년(facebook)
• 2016년, 불안정성을 없애고자
Deep Convolution GAN 이
나왔고, 끝판왕급 성능을
보여줌.
• 그리고, 거의 모든GAN 의
아버지가 되었다.
출처 : https://baobao.tistory.com/66
2. GAN 의 뿌리 및 그 계파 1
출처 : https://baobao.tistory.com/66
2. GAN 의 뿌리 및 그 계파 2
• Unconditional GAN
• Conditional GAN과 Unconditional GAN의 차이는 다음과 같음.
2. GAN 의 뿌리 및 그 계파 2 – 2018
• Unconditional GAN
• Loss Function Trick -> Normalization -> Architecture
• Architecture 개선으로 큰 효과
• 그 시작은 Self-Attention(이안 굿펠로우 2저자)
2. GAN 의 뿌리 및 그 계파 3
• Conditional GAN
• Conditional GAN(이하CGAN)은 생성자와 판별자가 훈련하는 동안 추가
정보를 사용해 조건이 붙는 생성적 적대 신경망.
• CGAN을 이용하면 우리가 원하는 class가 담긴 데이터를 생성할 수 있음.
출처 : https://baobao.tistory.com/66
(잠깐) 이건 마치…
(잠깐) 이런거 구현하는 쉬운 방법
3. 3D GAN에 대하여
• 3D Voxel -> Point Cloud -> Graph Neural Network
4. 유통에서의 GAN에 대한 고찰 1
• 공간 이미지를 도면 화
• 3D Point Cloud (Macro Space Management)
• 각도가 다른 측면 이미지를 표준화/입체화/구획화
• 3D 도면 Generation 및 AI Base 실측
4. 유통에서의 GAN에 대한 고찰 2
• Shelf Detection &
Product recognition 에서의
Pipeline & GAN Argumentation
• Auto Encoder 스타일 활용
• 3D Point Cloud (Micro Space Management)
• 실측 이미지를 Template 기반 표준화/입체화/구획화
https://arxiv.org/pdf/1810.01733.pdf
4. 유통에서의 GAN에 대한 고찰 3
• 옷 입어보기 피팅 Display
• Multi Domain GAN 과 Style 추천
롯데백화점
4. 유통에서의 GAN에 대한 고찰 4
• AI Creates Fashion Models
• 모든 의상에 대한 Model’s Fit Generation
4. 유통에서의 GAN에 대한 고찰 4
• AI Creates Fashion Models
• 모든 의상에 대한 Model’s Fit Generation
• Amazon 실제 사례
4. 유통에서의 GAN에 대한 고찰 5
• 고객에 맞는 맞춤 스타일 Fitting 제안
• 추천 의상에 대한 User’s Fit Generation
5. 기타 활용/확장
• IKEA example
• Smart Shelf & AR
• RMP
5. 기타 활용/확장
• SHELF/Stock Management
• AR Navigation
DEMO
• 화장해보기
• 나만의 아바타 + Style Change
• 패턴 무늬 합성 + AI Generate ART
(for example NFT art)
• Deepfake (모델 영상에 내 얼굴 , 내 체형
Mapping 해 보기)

More Related Content

What's hot

언리얼을 활용한 오브젝트 풀링
언리얼을 활용한 오브젝트 풀링언리얼을 활용한 오브젝트 풀링
언리얼을 활용한 오브젝트 풀링
TonyCms
 
딥러닝 - 역사와 이론적 기초
딥러닝 - 역사와 이론적 기초딥러닝 - 역사와 이론적 기초
딥러닝 - 역사와 이론적 기초
Hyungsoo Ryoo
 
그래픽 최적화로 가...가버렷! (부제: 배치! 배칭을 보자!) , Batch! Let's take a look at Batching! -...
그래픽 최적화로 가...가버렷! (부제: 배치! 배칭을 보자!) , Batch! Let's take a look at Batching! -...그래픽 최적화로 가...가버렷! (부제: 배치! 배칭을 보자!) , Batch! Let's take a look at Batching! -...
그래픽 최적화로 가...가버렷! (부제: 배치! 배칭을 보자!) , Batch! Let's take a look at Batching! -...
ozlael ozlael
 
OpenCLに触れてみよう
OpenCLに触れてみようOpenCLに触れてみよう
OpenCLに触れてみよう
You&I
 
Normalization 방법
Normalization 방법 Normalization 방법
Normalization 방법
홍배 김
 
양승명, 다음 세대 크로스플랫폼 MMORPG 아키텍처, NDC2012
양승명, 다음 세대 크로스플랫폼 MMORPG 아키텍처, NDC2012양승명, 다음 세대 크로스플랫폼 MMORPG 아키텍처, NDC2012
양승명, 다음 세대 크로스플랫폼 MMORPG 아키텍처, NDC2012devCAT Studio, NEXON
 
홍성우, 게임 서버의 목차 - 시작부터 출시까지, NDC2019
홍성우, 게임 서버의 목차 - 시작부터 출시까지, NDC2019홍성우, 게임 서버의 목차 - 시작부터 출시까지, NDC2019
홍성우, 게임 서버의 목차 - 시작부터 출시까지, NDC2019
devCAT Studio, NEXON
 
머신러닝 + 주식 삽질기
머신러닝 + 주식 삽질기머신러닝 + 주식 삽질기
머신러닝 + 주식 삽질기
HoChul Shin
 
임태현, 게임 서버 디자인 가이드, NDC2013
임태현, 게임 서버 디자인 가이드, NDC2013임태현, 게임 서버 디자인 가이드, NDC2013
임태현, 게임 서버 디자인 가이드, NDC2013devCAT Studio, NEXON
 
유니티 그래픽 최적화, 어디까지 해봤니 (Optimizing Unity Graphics) NDC15 Ver.
유니티 그래픽 최적화, 어디까지 해봤니 (Optimizing Unity Graphics) NDC15 Ver.유니티 그래픽 최적화, 어디까지 해봤니 (Optimizing Unity Graphics) NDC15 Ver.
유니티 그래픽 최적화, 어디까지 해봤니 (Optimizing Unity Graphics) NDC15 Ver.
ozlael ozlael
 
게임서버프로그래밍 #1 - IOCP
게임서버프로그래밍 #1 - IOCP게임서버프로그래밍 #1 - IOCP
게임서버프로그래밍 #1 - IOCP
Seungmo Koo
 
마칭 큐브 알고리즘 - ZP 2019 데캠
마칭 큐브 알고리즘 - ZP 2019 데캠마칭 큐브 알고리즘 - ZP 2019 데캠
마칭 큐브 알고리즘 - ZP 2019 데캠
동환 김
 
GameInstance에 대해서 알아보자
GameInstance에 대해서 알아보자GameInstance에 대해서 알아보자
GameInstance에 대해서 알아보자
TonyCms
 
[모두의연구소] 쫄지말자딥러닝
[모두의연구소] 쫄지말자딥러닝[모두의연구소] 쫄지말자딥러닝
[모두의연구소] 쫄지말자딥러닝
Modulabs
 
안.전.제.일. 강화학습!
안.전.제.일. 강화학습!안.전.제.일. 강화학습!
안.전.제.일. 강화학습!
Dongmin Lee
 
테라로 살펴본 MMORPG의 논타겟팅 시스템
테라로 살펴본 MMORPG의 논타겟팅 시스템테라로 살펴본 MMORPG의 논타겟팅 시스템
테라로 살펴본 MMORPG의 논타겟팅 시스템
QooJuice
 
RoFormer: Enhanced Transformer with Rotary Position Embedding
RoFormer: Enhanced Transformer with Rotary Position EmbeddingRoFormer: Enhanced Transformer with Rotary Position Embedding
RoFormer: Enhanced Transformer with Rotary Position Embedding
taeseon ryu
 
NDC2019 발굴되지 않은 한국 게임의 역사
NDC2019 발굴되지 않은 한국 게임의 역사NDC2019 발굴되지 않은 한국 게임의 역사
NDC2019 발굴되지 않은 한국 게임의 역사
영욱 오
 
빅데이터, 클라우드, IoT, 머신러닝. 왜 이렇게 많은 것들이 나타날까?
빅데이터, 클라우드, IoT, 머신러닝. 왜 이렇게 많은 것들이 나타날까?빅데이터, 클라우드, IoT, 머신러닝. 왜 이렇게 많은 것들이 나타날까?
빅데이터, 클라우드, IoT, 머신러닝. 왜 이렇게 많은 것들이 나타날까?
Yongho Ha
 
08_게임 물리 프로그래밍 가이드
08_게임 물리 프로그래밍 가이드08_게임 물리 프로그래밍 가이드
08_게임 물리 프로그래밍 가이드noerror
 

What's hot (20)

언리얼을 활용한 오브젝트 풀링
언리얼을 활용한 오브젝트 풀링언리얼을 활용한 오브젝트 풀링
언리얼을 활용한 오브젝트 풀링
 
딥러닝 - 역사와 이론적 기초
딥러닝 - 역사와 이론적 기초딥러닝 - 역사와 이론적 기초
딥러닝 - 역사와 이론적 기초
 
그래픽 최적화로 가...가버렷! (부제: 배치! 배칭을 보자!) , Batch! Let's take a look at Batching! -...
그래픽 최적화로 가...가버렷! (부제: 배치! 배칭을 보자!) , Batch! Let's take a look at Batching! -...그래픽 최적화로 가...가버렷! (부제: 배치! 배칭을 보자!) , Batch! Let's take a look at Batching! -...
그래픽 최적화로 가...가버렷! (부제: 배치! 배칭을 보자!) , Batch! Let's take a look at Batching! -...
 
OpenCLに触れてみよう
OpenCLに触れてみようOpenCLに触れてみよう
OpenCLに触れてみよう
 
Normalization 방법
Normalization 방법 Normalization 방법
Normalization 방법
 
양승명, 다음 세대 크로스플랫폼 MMORPG 아키텍처, NDC2012
양승명, 다음 세대 크로스플랫폼 MMORPG 아키텍처, NDC2012양승명, 다음 세대 크로스플랫폼 MMORPG 아키텍처, NDC2012
양승명, 다음 세대 크로스플랫폼 MMORPG 아키텍처, NDC2012
 
홍성우, 게임 서버의 목차 - 시작부터 출시까지, NDC2019
홍성우, 게임 서버의 목차 - 시작부터 출시까지, NDC2019홍성우, 게임 서버의 목차 - 시작부터 출시까지, NDC2019
홍성우, 게임 서버의 목차 - 시작부터 출시까지, NDC2019
 
머신러닝 + 주식 삽질기
머신러닝 + 주식 삽질기머신러닝 + 주식 삽질기
머신러닝 + 주식 삽질기
 
임태현, 게임 서버 디자인 가이드, NDC2013
임태현, 게임 서버 디자인 가이드, NDC2013임태현, 게임 서버 디자인 가이드, NDC2013
임태현, 게임 서버 디자인 가이드, NDC2013
 
유니티 그래픽 최적화, 어디까지 해봤니 (Optimizing Unity Graphics) NDC15 Ver.
유니티 그래픽 최적화, 어디까지 해봤니 (Optimizing Unity Graphics) NDC15 Ver.유니티 그래픽 최적화, 어디까지 해봤니 (Optimizing Unity Graphics) NDC15 Ver.
유니티 그래픽 최적화, 어디까지 해봤니 (Optimizing Unity Graphics) NDC15 Ver.
 
게임서버프로그래밍 #1 - IOCP
게임서버프로그래밍 #1 - IOCP게임서버프로그래밍 #1 - IOCP
게임서버프로그래밍 #1 - IOCP
 
마칭 큐브 알고리즘 - ZP 2019 데캠
마칭 큐브 알고리즘 - ZP 2019 데캠마칭 큐브 알고리즘 - ZP 2019 데캠
마칭 큐브 알고리즘 - ZP 2019 데캠
 
GameInstance에 대해서 알아보자
GameInstance에 대해서 알아보자GameInstance에 대해서 알아보자
GameInstance에 대해서 알아보자
 
[모두의연구소] 쫄지말자딥러닝
[모두의연구소] 쫄지말자딥러닝[모두의연구소] 쫄지말자딥러닝
[모두의연구소] 쫄지말자딥러닝
 
안.전.제.일. 강화학습!
안.전.제.일. 강화학습!안.전.제.일. 강화학습!
안.전.제.일. 강화학습!
 
테라로 살펴본 MMORPG의 논타겟팅 시스템
테라로 살펴본 MMORPG의 논타겟팅 시스템테라로 살펴본 MMORPG의 논타겟팅 시스템
테라로 살펴본 MMORPG의 논타겟팅 시스템
 
RoFormer: Enhanced Transformer with Rotary Position Embedding
RoFormer: Enhanced Transformer with Rotary Position EmbeddingRoFormer: Enhanced Transformer with Rotary Position Embedding
RoFormer: Enhanced Transformer with Rotary Position Embedding
 
NDC2019 발굴되지 않은 한국 게임의 역사
NDC2019 발굴되지 않은 한국 게임의 역사NDC2019 발굴되지 않은 한국 게임의 역사
NDC2019 발굴되지 않은 한국 게임의 역사
 
빅데이터, 클라우드, IoT, 머신러닝. 왜 이렇게 많은 것들이 나타날까?
빅데이터, 클라우드, IoT, 머신러닝. 왜 이렇게 많은 것들이 나타날까?빅데이터, 클라우드, IoT, 머신러닝. 왜 이렇게 많은 것들이 나타날까?
빅데이터, 클라우드, IoT, 머신러닝. 왜 이렇게 많은 것들이 나타날까?
 
08_게임 물리 프로그래밍 가이드
08_게임 물리 프로그래밍 가이드08_게임 물리 프로그래밍 가이드
08_게임 물리 프로그래밍 가이드
 

Similar to Offline Retail GAN AI 어디까지 가능할까?

E-commerce BigData Scale AI Journey
E-commerce BigData Scale AI JourneyE-commerce BigData Scale AI Journey
E-commerce BigData Scale AI Journey
hoondong kim
 
Session 4. 쉽게 보는 딥러닝 트랜드와 AWS 활용 시나리오 - 베스핀글로벌 이승규 매니저
Session 4. 쉽게 보는 딥러닝 트랜드와 AWS 활용 시나리오 - 베스핀글로벌 이승규 매니저Session 4. 쉽게 보는 딥러닝 트랜드와 AWS 활용 시나리오 - 베스핀글로벌 이승규 매니저
Session 4. 쉽게 보는 딥러닝 트랜드와 AWS 활용 시나리오 - 베스핀글로벌 이승규 매니저
BESPIN GLOBAL
 
[한국 IBM 권오윤] H2O.ai DriverlessAI 소개자료
[한국 IBM 권오윤] H2O.ai DriverlessAI 소개자료[한국 IBM 권오윤] H2O.ai DriverlessAI 소개자료
[한국 IBM 권오윤] H2O.ai DriverlessAI 소개자료
오윤 권
 
Google IO 2015 Keynote Summary
Google IO 2015 Keynote SummaryGoogle IO 2015 Keynote Summary
Google IO 2015 Keynote Summary
Seunghyun Yu
 
2023년 인공지능 서비스 트렌드
2023년 인공지능 서비스 트렌드2023년 인공지능 서비스 트렌드
2023년 인공지능 서비스 트렌드
SK(주) C&C - 강병호
 
Creating Value through Data Analysis
Creating Value through Data AnalysisCreating Value through Data Analysis
Creating Value through Data Analysis
Dataya Nolja
 
GAN을 이용한 캐릭터 리소스 제작 맛보기
GAN을 이용한 캐릭터 리소스 제작 맛보기GAN을 이용한 캐릭터 리소스 제작 맛보기
GAN을 이용한 캐릭터 리소스 제작 맛보기
기룡 남
 
[오컴 Clip IT 세미나] 머신러닝과 인공지능의 현재와 미래
[오컴 Clip IT 세미나] 머신러닝과 인공지능의 현재와 미래[오컴 Clip IT 세미나] 머신러닝과 인공지능의 현재와 미래
[오컴 Clip IT 세미나] 머신러닝과 인공지능의 현재와 미래
Taehoon Ko
 
AI_introduction and requirements(2024.05.12).pdf
AI_introduction and requirements(2024.05.12).pdfAI_introduction and requirements(2024.05.12).pdf
AI_introduction and requirements(2024.05.12).pdf
Lee Chanwoo
 
100% Serverless big data scale production Deep Learning System
100% Serverless big data scale production Deep Learning System100% Serverless big data scale production Deep Learning System
100% Serverless big data scale production Deep Learning System
hoondong kim
 
BluePrintLab introduction
BluePrintLab introductionBluePrintLab introduction
BluePrintLab introduction
Seungsik Charlie Shin
 
[TMS 2018] 자금확보 / Lablup 신정규 CEO, 님아 제발 그 강을 마오
[TMS 2018] 자금확보 / Lablup 신정규 CEO, 님아 제발 그 강을 마오[TMS 2018] 자금확보 / Lablup 신정규 CEO, 님아 제발 그 강을 마오
[TMS 2018] 자금확보 / Lablup 신정규 CEO, 님아 제발 그 강을 마오
NAVER D2 STARTUP FACTORY
 
딥러닝 세계에 입문하기 위반 분투
딥러닝 세계에 입문하기 위반 분투딥러닝 세계에 입문하기 위반 분투
딥러닝 세계에 입문하기 위반 분투
Ubuntu Korea Community
 
[Let's Swift 2019] iOS 앱에서 머신러닝이 해결 할 수 있는 문제들
[Let's Swift 2019] iOS 앱에서 머신러닝이 해결 할 수 있는 문제들[Let's Swift 2019] iOS 앱에서 머신러닝이 해결 할 수 있는 문제들
[Let's Swift 2019] iOS 앱에서 머신러닝이 해결 할 수 있는 문제들
Doyoung Gwak
 
버츄얼 프라모델 Virtual Plamodel
버츄얼 프라모델 Virtual Plamodel버츄얼 프라모델 Virtual Plamodel
버츄얼 프라모델 Virtual Plamodel
Jinnie Park
 
Carrot-Card_1708011-by_swan
Carrot-Card_1708011-by_swanCarrot-Card_1708011-by_swan
Carrot-Card_1708011-by_swan
수원 이
 
비즈니스 데이터 크롤링
비즈니스 데이터 크롤링비즈니스 데이터 크롤링
비즈니스 데이터 크롤링
완선 이
 
PT_하나투어_라텔앤드파트너즈_2202_sharing.pdf
PT_하나투어_라텔앤드파트너즈_2202_sharing.pdfPT_하나투어_라텔앤드파트너즈_2202_sharing.pdf
PT_하나투어_라텔앤드파트너즈_2202_sharing.pdf
Namhee Choi
 
실리콘 밸리 데이터 사이언티스트의 하루
실리콘 밸리 데이터 사이언티스트의 하루실리콘 밸리 데이터 사이언티스트의 하루
실리콘 밸리 데이터 사이언티스트의 하루
Jaimie Kwon (권재명)
 
빅데이터실습교육 소비분야 영남대_언론정보_20141117
빅데이터실습교육 소비분야 영남대_언론정보_20141117빅데이터실습교육 소비분야 영남대_언론정보_20141117
빅데이터실습교육 소비분야 영남대_언론정보_20141117Han Woo PARK
 

Similar to Offline Retail GAN AI 어디까지 가능할까? (20)

E-commerce BigData Scale AI Journey
E-commerce BigData Scale AI JourneyE-commerce BigData Scale AI Journey
E-commerce BigData Scale AI Journey
 
Session 4. 쉽게 보는 딥러닝 트랜드와 AWS 활용 시나리오 - 베스핀글로벌 이승규 매니저
Session 4. 쉽게 보는 딥러닝 트랜드와 AWS 활용 시나리오 - 베스핀글로벌 이승규 매니저Session 4. 쉽게 보는 딥러닝 트랜드와 AWS 활용 시나리오 - 베스핀글로벌 이승규 매니저
Session 4. 쉽게 보는 딥러닝 트랜드와 AWS 활용 시나리오 - 베스핀글로벌 이승규 매니저
 
[한국 IBM 권오윤] H2O.ai DriverlessAI 소개자료
[한국 IBM 권오윤] H2O.ai DriverlessAI 소개자료[한국 IBM 권오윤] H2O.ai DriverlessAI 소개자료
[한국 IBM 권오윤] H2O.ai DriverlessAI 소개자료
 
Google IO 2015 Keynote Summary
Google IO 2015 Keynote SummaryGoogle IO 2015 Keynote Summary
Google IO 2015 Keynote Summary
 
2023년 인공지능 서비스 트렌드
2023년 인공지능 서비스 트렌드2023년 인공지능 서비스 트렌드
2023년 인공지능 서비스 트렌드
 
Creating Value through Data Analysis
Creating Value through Data AnalysisCreating Value through Data Analysis
Creating Value through Data Analysis
 
GAN을 이용한 캐릭터 리소스 제작 맛보기
GAN을 이용한 캐릭터 리소스 제작 맛보기GAN을 이용한 캐릭터 리소스 제작 맛보기
GAN을 이용한 캐릭터 리소스 제작 맛보기
 
[오컴 Clip IT 세미나] 머신러닝과 인공지능의 현재와 미래
[오컴 Clip IT 세미나] 머신러닝과 인공지능의 현재와 미래[오컴 Clip IT 세미나] 머신러닝과 인공지능의 현재와 미래
[오컴 Clip IT 세미나] 머신러닝과 인공지능의 현재와 미래
 
AI_introduction and requirements(2024.05.12).pdf
AI_introduction and requirements(2024.05.12).pdfAI_introduction and requirements(2024.05.12).pdf
AI_introduction and requirements(2024.05.12).pdf
 
100% Serverless big data scale production Deep Learning System
100% Serverless big data scale production Deep Learning System100% Serverless big data scale production Deep Learning System
100% Serverless big data scale production Deep Learning System
 
BluePrintLab introduction
BluePrintLab introductionBluePrintLab introduction
BluePrintLab introduction
 
[TMS 2018] 자금확보 / Lablup 신정규 CEO, 님아 제발 그 강을 마오
[TMS 2018] 자금확보 / Lablup 신정규 CEO, 님아 제발 그 강을 마오[TMS 2018] 자금확보 / Lablup 신정규 CEO, 님아 제발 그 강을 마오
[TMS 2018] 자금확보 / Lablup 신정규 CEO, 님아 제발 그 강을 마오
 
딥러닝 세계에 입문하기 위반 분투
딥러닝 세계에 입문하기 위반 분투딥러닝 세계에 입문하기 위반 분투
딥러닝 세계에 입문하기 위반 분투
 
[Let's Swift 2019] iOS 앱에서 머신러닝이 해결 할 수 있는 문제들
[Let's Swift 2019] iOS 앱에서 머신러닝이 해결 할 수 있는 문제들[Let's Swift 2019] iOS 앱에서 머신러닝이 해결 할 수 있는 문제들
[Let's Swift 2019] iOS 앱에서 머신러닝이 해결 할 수 있는 문제들
 
버츄얼 프라모델 Virtual Plamodel
버츄얼 프라모델 Virtual Plamodel버츄얼 프라모델 Virtual Plamodel
버츄얼 프라모델 Virtual Plamodel
 
Carrot-Card_1708011-by_swan
Carrot-Card_1708011-by_swanCarrot-Card_1708011-by_swan
Carrot-Card_1708011-by_swan
 
비즈니스 데이터 크롤링
비즈니스 데이터 크롤링비즈니스 데이터 크롤링
비즈니스 데이터 크롤링
 
PT_하나투어_라텔앤드파트너즈_2202_sharing.pdf
PT_하나투어_라텔앤드파트너즈_2202_sharing.pdfPT_하나투어_라텔앤드파트너즈_2202_sharing.pdf
PT_하나투어_라텔앤드파트너즈_2202_sharing.pdf
 
실리콘 밸리 데이터 사이언티스트의 하루
실리콘 밸리 데이터 사이언티스트의 하루실리콘 밸리 데이터 사이언티스트의 하루
실리콘 밸리 데이터 사이언티스트의 하루
 
빅데이터실습교육 소비분야 영남대_언론정보_20141117
빅데이터실습교육 소비분야 영남대_언론정보_20141117빅데이터실습교육 소비분야 영남대_언론정보_20141117
빅데이터실습교육 소비분야 영남대_언론정보_20141117
 

Offline Retail GAN AI 어디까지 가능할까?

  • 1. E-mart App & 매장 Display AI 어디까지 가능할까? - GAN 을 통한 고찰 - AI/ML담당 김훈동
  • 2. 차례 1. GAN 의 탄생이야기 2. GAN 의 뿌리 및 그 계파 3. 3D GAN 에 대하여 4. 유통에서의 GAN 에 대한 고찰 5. 기타 활용/확장 6. DEMO
  • 3. 1. GAN 의 탄생 이야기 1 출처: https://brunch.co.kr/@hvnpoet/122
  • 4. 1. GAN 의 탄생 이야기 2 출처: https://brunch.co.kr/@hvnpoet/122
  • 5. 1. GAN 의 탄생 이야기 3 출처: https://brunch.co.kr/@hvnpoet/122
  • 6. 1. GAN 의 탄생 이야기 4 – 2014년(google) • 2014년, Google Brain 의 이안 굿펠로우(Ian Goodfellow)가 NIPS에서 ‘Generative Adversarial Nets(GAN)’발표를 통해 생성 모델링 개념을 처음 도입을 하였다. (기존 모델링은 분류,예측 모델링…) • But, 항상 불안정한 구조로 문제가 뒤따름. • https://proceedings.neurips.cc/paper/2014/file/5ca3e9b122f61f8f06494c97b 1afccf3-Paper.pdf
  • 7. 1. GAN 의 탄생 이야기 5 – 2016년(facebook) • 2016년, 불안정성을 없애고자 Deep Convolution GAN 이 나왔고, 끝판왕급 성능을 보여줌. • 그리고, 거의 모든GAN 의 아버지가 되었다. 출처 : https://baobao.tistory.com/66
  • 8. 2. GAN 의 뿌리 및 그 계파 1 출처 : https://baobao.tistory.com/66
  • 9. 2. GAN 의 뿌리 및 그 계파 2 • Unconditional GAN • Conditional GAN과 Unconditional GAN의 차이는 다음과 같음.
  • 10. 2. GAN 의 뿌리 및 그 계파 2 – 2018 • Unconditional GAN • Loss Function Trick -> Normalization -> Architecture • Architecture 개선으로 큰 효과 • 그 시작은 Self-Attention(이안 굿펠로우 2저자)
  • 11. 2. GAN 의 뿌리 및 그 계파 3 • Conditional GAN • Conditional GAN(이하CGAN)은 생성자와 판별자가 훈련하는 동안 추가 정보를 사용해 조건이 붙는 생성적 적대 신경망. • CGAN을 이용하면 우리가 원하는 class가 담긴 데이터를 생성할 수 있음. 출처 : https://baobao.tistory.com/66
  • 14. 3. 3D GAN에 대하여 • 3D Voxel -> Point Cloud -> Graph Neural Network
  • 15. 4. 유통에서의 GAN에 대한 고찰 1 • 공간 이미지를 도면 화 • 3D Point Cloud (Macro Space Management) • 각도가 다른 측면 이미지를 표준화/입체화/구획화 • 3D 도면 Generation 및 AI Base 실측
  • 16. 4. 유통에서의 GAN에 대한 고찰 2 • Shelf Detection & Product recognition 에서의 Pipeline & GAN Argumentation • Auto Encoder 스타일 활용 • 3D Point Cloud (Micro Space Management) • 실측 이미지를 Template 기반 표준화/입체화/구획화 https://arxiv.org/pdf/1810.01733.pdf
  • 17. 4. 유통에서의 GAN에 대한 고찰 3 • 옷 입어보기 피팅 Display • Multi Domain GAN 과 Style 추천 롯데백화점
  • 18. 4. 유통에서의 GAN에 대한 고찰 4 • AI Creates Fashion Models • 모든 의상에 대한 Model’s Fit Generation
  • 19. 4. 유통에서의 GAN에 대한 고찰 4 • AI Creates Fashion Models • 모든 의상에 대한 Model’s Fit Generation • Amazon 실제 사례
  • 20. 4. 유통에서의 GAN에 대한 고찰 5 • 고객에 맞는 맞춤 스타일 Fitting 제안 • 추천 의상에 대한 User’s Fit Generation
  • 21. 5. 기타 활용/확장 • IKEA example • Smart Shelf & AR • RMP
  • 22. 5. 기타 활용/확장 • SHELF/Stock Management • AR Navigation
  • 23. DEMO • 화장해보기 • 나만의 아바타 + Style Change • 패턴 무늬 합성 + AI Generate ART (for example NFT art) • Deepfake (모델 영상에 내 얼굴 , 내 체형 Mapping 해 보기)