GANとは
GAN（Generative Adversarial Network、敵対的生成ネットワーク）は、2014年にイアン・グッドフェローによって提案された生成モデルです。生成器（Generator）と識別器（Discriminator）の2つのネットワークが互いに競い合いながら学習する「敵対的学習」の仕組みが特徴です。この画期的なアイデアにより、非常にリアルなデータの生成が可能になりました。
| ひとことで言うと | 「作る側」と「見破る側」を競わせて、本物そっくりのデータを作らせる仕組み。 |
|---|---|
| どこで使う | 画像生成、画質の超解像、データの水増し、画風変換。 |
| 注意点 | 学習が不安定で失敗しやすい。ディープフェイク悪用のリスクもある。 |
GANの学習メカニズム
生成器はランダムノイズから本物そっくりのデータを生成しようとし、識別器は入力が本物のデータか生成器が作った偽物かを見分けようとします。この2者のミニマックスゲームを通じて、生成器はますますリアルなデータを生成できるようになり、識別器はより精密な判別能力を獲得します。理論的には、学習が収束すると生成器の出力は本物のデータ分布と一致します。
1生成器が偽物作成ノイズから画像を生成
▶
2識別器が判定本物か偽物かを当てる
▶
3生成器が学習だませるよう改良
▶
4識別器も学習見破れるよう改良
▶
5本物そっくりに見分けがつかなくなる
↺ 1〜4をくり返し、両者が同時に強くなっていく
GANの種類と発展
基本的なGANから、条件付きGAN（CGAN）、DCGAN（Deep Convolutional GAN）、StyleGAN、CycleGAN、Pix2Pixなど、多くの派生モデルが開発されました。StyleGANは高解像度の顔画像生成で驚異的な品質を達成し、CycleGANは対になるデータなしでの画像変換を可能にしました。
GANの課題と現在の位置づけ
GANの学習は不安定で、モード崩壊（生成器が多様性を失い限られたパターンしか生成しなくなる現象）が課題です。近年は拡散モデル（Diffusion Model）が画像生成の主流となりつつありますが、GANはリアルタイム生成や超解像など、高速な生成が求められる場面で依然として重要な技術です。