AI 2026.04.27 · 12 min
Advanced Generative Model Deep Dive · 1
생성 모델의 통합 프레임워크 — 무엇을 배우는가
Discriminative와 Generative의 수학적 차이부터 KL 최소화 통합 관점, IS·FID·NLL 평가 지표까지, 생성 모델을 하나의 언어로 이해한다.
series · generative-model-deep-dive
📚 Generative Model Deep Dive
총 7편 · 순서대로 읽기를 권장
AI 2026.04.27 · 12 min
Advanced Generative Model Deep Dive · 2
Autoregressive 모델은 왜 모든 modality를 생성할 수 있는가
확률의 chain rule이 항등식인 이유부터 PixelCNN의 masked convolution, WaveNet의 dilated causal conv, GPT의 scaling law까지, AR 생성 모델의 통일 철학을 추적한다.
AI 2026.04.27 · 12 min
Advanced Generative Model Deep Dive · 3
VAE는 왜 latent를 포기하는가
ELBO의 reconstruction-regularization 분해부터 posterior collapse의 근본 원인, reparameterization trick의 수학, β-VAE의 information bottleneck 해석, VQ-VAE의 discrete 전환까지 — VAE 설계 결정의 연쇄를 추적한다.
AI 2026.04.27 · 11 min
Advanced Generative Model Deep Dive · 4
Normalizing Flow의 모든 설계 결정은 하나의 제약에서 나온다
Change of variables 공식의 두 조건 — invertibility와 tractable Jacobian — 이 어떻게 Coupling, Autoregressive, Continuous Flow의 architecture를 각각 다르게 강제하는지 추적한다.
AI 2026.04.27 · 10 min
Advanced Generative Model Deep Dive · 5
GAN은 왜 그토록 불안정한가
Minimax 정식화부터 JSD 환원, Mode Collapse의 수학적 원인, Wasserstein 거리, Spectral Normalization까지 — GAN 훈련 불안정성의 뿌리를 추적한다.
AI 2026.04.27 · 11 min
Advanced Generative Model Deep Dive · 6
DDPM의 수학은 하나의 질문으로 수렴한다
Forward process의 closed-form 유도부터 Score-SDE의 통합 프레임워크, Classifier-Free Guidance의 암묵적 분류기까지 — 확산 모델 설계의 단일 원리를 추적한다.
AI 2026.04.27 · 12 min
Advanced Generative Model Deep Dive · 7
생성 모델의 다섯 계보는 왜 하나의 질문에서 갈라지는가
AR · VAE · Flow · GAN · Diffusion 의 likelihood, 샘플링 속도, 품질 트레이드오프부터 Consistency Model, EBM, 프런티어 응용까지, 생성 모델의 설계 철학을 추적한다.