[NeurIPS 2021] 파트 2: Variational Deep Embedding 기반 딥 클러스터링 리뷰 - LG AI Research BLOG

비지도 학습을 통해 데이터를 추출하는 Variational Autoencoder(VAE) 방식은 이상 탐지, 분류, 이미지 분할 등 다양한 분야에서 활용된다. 본 리뷰에서는 NeurIPS 2021에서 발표된 VAE 기반의 두 가지 딥 클러스터링 기법을 소개한다.

먼저 클러스터링의 기초를 다룬다. Spectral Clustering은 샘플 간의 거리를 측정하여 유사한 형태의 데이터를 모으는 방식이지만, 데이터가 N개일 경우 N×N의 거리 행렬을 계산해야 하는 연산 비용 문제가 있다. 반면 K-means는 연산 효율성은 높지만 데이터의 분포가 복잡하거나 결측치가 있는 경우 성능이 저하될 수 있다.

딥 클러스터링의 핵심 연구인 **Variational Deep Embedding (VaDE)**를 바탕으로, 다음의 두 가지 최신 연구를 심도 있게 분석한다.

• Multi-Facet Clustering Variational Autoencoder
• Deep Conditional Gaussian Mixture Model for Constrained Clustering