生成モデル
更新日:
用語解説
生成モデルは、訓練データの分布又はデータが生じる仕組みを学び、その分布に似た新しい画像、文章、音声等を生成又は確率評価できるモデルです。
■ 試験で押さえるポイント
入力からクラス境界を直接学ぶ識別モデルに対し、生成モデルはデータ分布p(x)又はクラスとの同時分布p(x, y)等を表現します。
自己回帰モデル、変分オートエンコーダ、GAN、拡散モデル等があり、尤度を明示的に扱うか、潜在変数や敵対学習を使うかが異なります。
生成、欠損補完、データ拡張、異常検知等に使えますが、生成物が訓練例の単純な複製でないか、品質と多様性を評価します。
もっともらしさは事実性を保証せず、偏り、有害出力、個人情報・著作物の再現、偽情報への悪用を管理します。
■ 選択肢での判断ポイント
データ分布を学んで新しい標本を作れるモデルです。分類境界だけを求める識別モデルとの目的の違いを見分けます。
例: 手書き数字画像の分布を学び、訓練データにない新しい数字画像を標本化します。見た目だけでなくクラス多様性や訓練画像との重複も確認します。