GAN 역변환(GAN inversion)은 주어진 이미지를 사전 학습된 GAN 모델의 잠재 공간(latent space)으로 다시 역변환하여, 생성기가 역변환된 코드에서 이미지를 충실하게 재구성할 수 있도록 하는 것을 목표로 한다. 실재(real)와 가상(fake) 이미지 도메인을 연결하기 위한 부상하는 기법으로서, GAN 역변환은 StyleGAN 및 BigGAN과 같은 사전 학습된 GAN 모델이 실제 이미지 편집(real image editing) 응용에 활용될 수 있도록 하는 데 필수적인 역할을 한다. 또한 GAN 역변환은 GAN의 잠재 공간을 해석하고, 현실적인 이미지를 어떻게 생성할 수 있는지를 고찰한다. 본 논문에서는 이미지 복원(image restoration)과 이미지 조작(image manipulation)을 위한 응용을 중심으로, 대표적인 알고리즘들과 함께 GAN 역변환에 대한 설문 조사를 제공한다. 아울러 향후 연구를 위한 동향과 도전 과제에 대해 논의한다. GAN 역변환 방법, 데이터셋 및 기타 관련 정보를 선별하여 정리한 목록은 https://github.com/weihaox/awesome-gan-inversion 에서 확인할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.