---
title: "Conditional GAN（条件付きGAN）とは？Pix2Pixとの関係【G検定対策】"
description: "Conditional GANは、ラベルや画像などの条件情報を生成器・識別器へ与え、生成内容を制御するGANです。通常のGANとの入力条件の違い、Pix2Pix・CycleGANとの関係、画像生成問題での見分け方を整理します。「条件付き生成」か「ドメイン変換」かで迷う選択肢にも対応します。"
last_modified_at: "2026-06-24"
canonical_url: "https://stemtazoo.github.io/gk/conditional-gan/"
section: "gk"
---

## まず結論

Conditional GAN（条件付きGAN）は、**ラベルや画像などの条件情報を与えて、生成結果をコントロールするGANの枠組み**です。
G検定では、**通常のGANは条件なし生成、Conditional GANは条件付き生成、Pix2Pixは入力画像を条件にする具体例**と切り分けます。

## 直感的な説明

通常のGANは、乱数から「それらしいデータ」を作ります。何が出るかを細かく指定しにくい点では、福袋に近いイメージです。

一方、Conditional GANは、次のように条件を添えて生成します。

- 「数字3の画像を作って」
- 「犬の画像を作って」
- 「この線画を写真風に変換して」

👉 **作る内容に注文を付けられるGAN** と考えると分かりやすいです。

## 定義・仕組み

Conditional GANは、GANに**条件情報（condition）**を追加したモデルです。

- Generator：ノイズ + 条件 → 生成データ
- Discriminator：データ + 条件 → 本物／偽物判定

条件には、クラスラベル、属性情報、テキスト、入力画像などが使われます。重要なのは、GeneratorだけでなくDiscriminatorにも条件を与え、**その条件に合った本物らしさ**を学習させる点です。

Pix2Pixでは、条件として「入力画像」を与えます。そのため、Pix2PixはConditional GANの考え方を画像変換に使った具体例として理解できます。

## いつ使う？（得意・不得意）

### 得意なケース

- 生成したいクラスや属性を指定したい
- 入力に応じた出力を生成したい
- 画像変換のように、条件と出力の対応を学習したい

### 苦手・注意点

- 条件情報が用意できないと使いにくい
- 条件が偏っていると、生成結果も偏りやすい
- 「条件付き生成の枠組み」であり、特定タスクだけを指す名前ではない

## G検定ひっかけポイント

| 用語 | 役割 | 見分けるキーワード |
| --- | --- | --- |
| GAN | 条件なしの基本的な生成モデル | Generator / Discriminator |
| Conditional GAN | 条件を与えて生成を制御 | ラベル、属性、条件付き生成 |
| Pix2Pix | 入力画像を条件にした画像変換 | ペア画像、教師あり画像変換 |
| CycleGAN | 対応ペアなしの画像変換 | ペア不要、Cycle Consistency |

- 「Conditional GAN = Pix2Pixそのもの」→ 誤り。Pix2Pixは具体例の1つ
- 「条件を与えず自由に生成する」→ 通常のGAN寄り
- 「対応する画像ペアが不要」→ CycleGANのキーワード
- 「ラベルを指定して生成」→ Conditional GAN

## まとめ（試験直前用）

- Conditional GANは **条件を与えて生成を制御するGAN**
- 条件にはラベル、属性、画像などが使える
- Pix2Pixは **入力画像を条件にしたConditional GANの具体例**
- CycleGANは **ペアなし画像変換** で区別する
- G検定では「条件付きか」「ペアありか」で選択肢を切る