---
title: "CycleGAN（Pix2Pixとの違い）とは？G検定対策"
description: "CycleGAN（Pix2Pixとの違い）について、G検定で問われる生成モデル分野の観点から、目的、前提、モデル構造、入力と出力、評価観点のどこが異なるかを比較します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/cyclegan/"
section: "gk"
---

## まず結論

CycleGANは**対応する画像ペアがなくても画像→画像変換ができる生成モデル**で、G検定ではPix2Pixとの「教師あり／なし」の違いが最重要ポイントとして問われる。

## 直感的な説明

CycleGANは「**答え合わせなしで画像変換を覚える**」モデルです。

Pix2Pixが

> この入力には、この正解画像

という**ペア付き学習**なのに対し、CycleGANは

> 写真はいろいろある
> 絵画もいろいろある
> でも1対1の対応はない

という状態から学習します。

例えるなら、

* 写真集A（風景写真）
* 写真集B（ゴッホ風の絵）

を見比べながら、
「写真っぽさ ↔ 絵画っぽさ」を変換できるようになるイメージです。

## 定義・仕組み

CycleGANは **教師なし（正確には非対応データ）で学習できるGAN** の一種です。

### 最大の特徴

* **入力と出力の画像ペアが不要**
* 2つの変換を同時に学習

  * A → B
  * B → A

### Cycle Consistency（循環一貫性）

CycleGANでは、

* A → B → A
* B → A → B

と戻したときに、
「**元の画像に戻るべき**」という制約を課します。

これにより、

* 対応データがなくても
* 意味のある変換

が可能になります。

## いつ使う？（得意・不得意）

### 得意なケース

* 対応する正解画像が用意できない
* スタイル変換（写真 ↔ 絵画）
* 季節変換（夏 ↔ 冬）

### 苦手・注意点

* 1対1で厳密な変換が必要なタスク
* 正確な対応関係が重要な問題（→ Pix2Pix向き）

## G検定ひっかけポイント

G検定では、**Pix2Pixとの違いを言語で区別できるか**を狙ってきます。

### よくある混同

* CycleGAN と Pix2Pix
* CycleGAN と 通常のGAN

### 判断基準（ここで切る）

* **画像ペアがある？** → Pix2Pix
* **画像ペアがない？** → CycleGAN
* **image-to-image translation（教師あり）** → Pix2Pix
* **style transfer / 対応なし変換** → CycleGAN

選択肢で

> 「対応する画像ペアを必要としない」
> 「教師なしで画像変換」

とあれば、CycleGANを選びます。

## まとめ（試験直前用）

* CycleGANは**画像ペアなし**で画像→画像変換
* Pix2Pixは**画像ペアあり**で画像→画像変換
* CycleGANはCycle Consistencyが核
* G検定では「ペアの有無」で即判断
* Pix2Pixとの対比で覚えるのが最短