GAN
更新日:
用語解説
GAN（Generative Adversarial Network、敵対的生成ネットワーク）は、偽データを作る生成器と、実データか偽物かを判別する識別器を競争させて学習する生成モデルです。
■ 試験で押さえるポイント
生成器Gは乱数等の潜在変数から標本を作り識別器を欺こうとし、識別器Dは実データとGの出力を正しく区別しようとします。
両者の目的を交互に最適化し、理想的には生成分布が実データ分布へ近づき、識別器が容易に区別できなくなります。
高品質画像を生成できる一方、生成器が限られた種類だけを出すモード崩壊、学習振動、勾配不安定、評価の難しさがあります。
生成器と識別器を競わせる点が特徴で、ノイズ除去の逆過程を学ぶ拡散モデルや、尤度分解で次要素を予測する自己回帰モデルと異なります。
■ 選択肢での判断ポイント
生成器は偽物を本物らしくし、識別器は真偽を見分けるという敵対的な二モデルの役割を対応付けます。
例: 識別器が実画像を1、生成画像を0と判定するよう学び、生成器は生成画像に対する識別器出力が1へ近づくよう更新されます。