챕터 1 적대학습의 문제 설정
생성모델과 판별모델의 역할
목표 분포와 샘플링 관점
확률적 게임으로서의 학습
모수화된 함수 근사 관점
학습에서의 신호와 피드백 구조
데이터와 모델 가정
적대학습의 장점과 한계

챕터 2 GAN 목적함수의 구성
미니맥스 최적화 구조
판별기의 최적해 해석
생성기 업데이트의 의미
로그우도와의 관계
발산 척도와 목적함수 연결
손실함수 형태의 변형
목적함수 선택의 영향

챕터 3 발산과 거리로 보는 GAN 이론
KL 발산의 비대칭성
JS 발산의 특성
Wasserstein 거리의 직관
연속성 및 미분가능성 이슈
모드 커버리지와 모드 드롭
지원집합 불일치 문제
거리 선택이 학습에 미치는 효과

챕터 4 학습 동역학과 수렴 관점
교대 최적화의 특징
고정점과 안정성 개념
그래디언트 흐름의 직관
판별기 과적합과 신호 소실
생성기 붕괴 현상 이해
학습률과 업데이트 비율
수렴을 방해하는 요인들

챕터 5 조건부 생성의 기본 원리
조건 정보의 표현 방식
생성기 입력 구조 변화
판별기의 조건 활용
조건부 손실의 구성
레이블 누락과 잡음 조건
조건부 생성의 식별성 문제
조건 정보와 다양성의 관계

챕터 6 대표적 기본 구조의 변형
심층 합성곱 기반 구조 개요
전결합 기반 구조의 특징
잔차 연결의 역할
정규화의 기본 효과
잠재공간 차원의 영향
업샘플링과 다운샘플링 선택
아키텍처 변화의 일반적 경향

챕터 7 학습 안정화의 원리 중심 접근
손실 포화와 기울기 문제
라벨 스무딩의 의미
노이즈 주입의 효과
정규화와 제약의 역할
스펙트럴 제약의 직관
판별기 용량 조절
균형 잡힌 학습 신호 설계

챕터 8 잠재공간의 구조와 해석
잠재변수 분포의 선택
잠재공간 선형성 가정
보간과 이동의 의미
표현 분리의 기본 개념
잠재공간과 데이터 다양성
식별 불가능성과 대칭성
잠재공간 해석의 한계

챕터 9 생성 품질과 평가의 관점
생성 품질의 구성 요소
다양성과 충실도의 긴장
확률적 평가와 표본 수
분포 비교의 기본 원칙
판별기 기반 평가의 직관
주관 평가의 함정
평가 지표의 해석 주의점

챕터 10 응용 범주와 윤리적 고려
이미지 생성의 일반적 맥락
데이터 증강과의 구분
표현 학습 관점의 활용
도메인 변환의 기본 구조
데이터 편향과 재현 문제
저작권과 책임의 기본 쟁점
오용 방지와 공개 범위 고민