압축과 복원을 스스로 배우는 신경망

오토인코더는 입력을 저차원으로 압축했다가 다시 원래대로 복원하도록 학습하는 신경망입니다. 복원이 잘 되려면 압축된 소수의 숫자에 형상의 핵심 정보가 담겨야 하므로, 그 과정에서 데이터의 본질적 특징이 잠재공간(latent space)에 자연스럽게 정리됩니다.

​

인코더(encoder)는 입력 형상을 소수의 잠재변수로 압축하고, 디코더(decoder)는 그 잠재변수로부터 형상을 복원합니다. 학습이 끝나면 잠재공간은 형상을 요약한 저차원 좌표계가 되어, 그 안에서 값을 바꾸는 것만으로 새로운 형상을 만들어낼 수 있습니다.

​

합성곱 오토인코더(convolutional autoencoder)는 여기에 합성곱 신경망(CNN)을 결합한 형태입니다. 이미지나 곡면처럼 공간 구조를 가진 데이터에서 위치 관계를 보존하며 특징을 추출하기 때문에, 좌표로 표현되는 선체 표면 형상에 특히 잘 맞습니다.