変分オートエンコーダとは？
へんぶんおーとえんこーだ
変分オートエンコーダ（VAE）とは、データの潜在的な特徴を確率分布として学習し、新しいデータを生成する能力を持つ深層生成モデルのことです。
変分オートエンコーダ（Variational Autoencoder、VAE）は、2013年にKingmaとWellingが提案した深層生成モデルです。通常のオートエンコーダがデータを固定ベクトルに圧縮するのに対し、VAEはデータを確率分布（平均と分散で表されるガウス分布）にエンコードします。
VAEの構造は大きく二つの部分からなります。
- エンコーダ：入力データを潜在空間上の確率分布パラメータ（平均μと標準偏差σ）に変換します。
- デコーダ：潜在空間からサンプリングされたベクトルを入力に戻す（または新しいデータを生成する）ネットワークです。
学習の目標関数は再構成誤差とKLダイバージェンス（潜在分布を標準正規分布に近づける正則化項）の和であり、この二項のバランスをとることで、潜在空間が連続かつ滑らかになります。これにより潜在空間の任意の点からサンプリングするだけで、現実的な新データを生成できます。
VAEは画像生成・異常検知・データ補完・薬分子設計など多岐にわたる応用があります。GANと比べて学習が安定しやすい一方、生成画像が若干ぼやける傾向があることも知られています。
使い方・例文
顔画像のVAEを学習させると、潜在空間上で「若い顔」と「老いた顔」のベクトルを補間することで、年齢変化を連続的に表現した合成画像を生成できます。
この用語をシェア
最終更新: