강유 교수 연구진의 GAN (Generative Adversarial Network)을 이용한 경량 딥러닝 모델에 대한 최신 연구 논문이 NeurIPS (NIPS)에 게재되었다. NeurIPS는 인공 지능 분야 세계 최고의 학회이다.

논문에서는 복잡한 딥러닝 모델을 빠르고 효율적이며 간결한 모델로 압축하는 KegNet 기법을 제시하였다. 일반적으로 딥러닝 모델 압축을 하려면 많은 데이터가 필요한데, 이미 학습된 모델만 주어지고 데이터가 없을 경우에는 기존 기법으로 모델 압축이 어렵다. 이를 위해 논문에서는 주어진 모델로부터 GAN을 이용해 데이터 생성기를 학습하고, 이를 통해 효과적인 모델 압축 기법을 제시하였다.

본 논문은 2019년 12월에 열리는 NeurIPS 2019에서 발표될 예정이다.

Jaemin Yoo, Minyong Cho, Taebum Kim, and U Kang, Knowledge Extraction with No Observable Data, NeurIPS 2019, Vancouver, Canada.