GAN

GAN (Generative Adversarial Network / 敵対的生成ネットワーク) は、2014 年に Ian Goodfellow らが提案した生成モデルのフレームワークである。生成器 (Generator) と識別器 (Discriminator) という 2 つのニューラルネットワークを互いに競わせることで、訓練データの分布を学習し、本物と区別できない高品質な画像を生成する。

GAN の学習メカニズムは以下のように動作する。

• 生成器 (G): ランダムノイズベクトル z を入力として受け取り、偽の画像を生成する。識別器を騙すことが目標
• 識別器 (D): 入力画像が本物 (訓練データ) か偽物 (生成器の出力) かを判定する二値分類器
• ミニマックスゲーム: G は D を騙す確率を最大化し、D は正しく判定する確率を最大化する。この敵対的学習により両者が同時に改善される
• ナッシュ均衡: 理想的には D が本物と偽物を区別できなくなる (出力確率 0.5) 状態に収束する

代表的な GAN アーキテクチャの発展を示す。

• DCGAN (2015): 畳み込み層を導入し安定した画像生成を実現した最初の実用的 GAN
• Pix2Pix (2016): 条件付き GAN でペア画像間の変換 (スケッチ → 写真など) を学習
• CycleGAN (2017): ペアデータなしで画像スタイル変換を実現。馬 → シマウマなど
• StyleGAN (2018): スタイルベースの生成器で超高解像度の顔画像を生成
• StyleGAN3 (2021): エイリアシングを排除し、より自然な画像生成を達成

応用は超解像 (SRGAN)、画像修復 (Inpainting)、データ拡張と多岐にわたる。学習の不安定性 (モード崩壊、勾配消失) が課題であり、Wasserstein 距離や Spectral Normalization などの安定化技法が開発されている。近年は拡散モデルが画像生成の主流になりつつあるが、リアルタイム推論では GAN の高速な生成速度が依然として有利である。