Skip to the content.

最終更新日:2026年10月19日

まず結論

生成モデルを選ぶときは、何を手掛かりに学習し、生成時に何を指定するかを確認します。

このページは、基本形のVAE・GANと、入力画像を条件にするPix2Pixの位置付けを整理します。VAEとGANの学習信号そのものを詳しく比べたい場合は、再構成・KL項と敵対的学習の比較を参照してください。

直感的な説明

「画像を作る」だけではモデルを決められません。

  • データから潜在分布を学び、そこから生成するのか
  • 本物と生成物を識別する相手と競わせるのか
  • 線画などの入力画像に対応する出力画像を作りたいのか

という、目的と条件の違いを見ます。Pix2PixはGANと無関係な第三の学習原理ではなく、Conditional GANによる画像変換です。

定義・仕組み

基本モデル 学習時に使う情報 生成・変換時の主な手掛かり 確認する先
VAE 実データから潜在分布を推定し、再構成する 潜在変数をサンプリングする VAE
通常のGAN 実データと生成データを識別する学習 潜在ノイズ GAN
Pix2Pix 対応する入力画像・正解画像のペア 変換元の入力画像 Pix2Pix

表は基本形の比較です。条件付きVAEや他のConditional GANもあるため、VAEは画像条件を使えない、画像を入力すれば必ずPix2Pixとは判断しません。

いつ使う?(得意・不得意)

確認したい要件 着眼点
潜在分布と再構成を扱いたい VAEの仕組みを確認する
識別器との敵対的学習を使いたい GANの仕組みを確認する
入力線画に対応する画像へ変換したい Pix2Pixの画像条件と学習ペアを確認する
対応する画像ペアを用意できない Pix2Pixの前提と合うか再確認する。ペアなし変換はCycleGANへ

同じ画像生成でも、与える条件と学習データの用意の仕方が異なります。

G検定ひっかけポイント

  • 「VAEは学習時もノイズだけを入力」→ 誤り。実データをEncoderへ入力する。
  • 「Pix2Pixは条件なしGAN」→ 誤り。入力画像が条件になる。
  • 「Pix2Pixはペア画像を使わない」→ 誤り。対応する画像ペアを使う。
  • 「最もリアルなら必ずGAN」→ 画質の固定順位ではなく、条件と学習構造を見る。

まとめ(試験直前用)

  • 基本形のVAE:実データから潜在分布を学ぶ
  • 通常GAN:識別器との敵対的学習
  • Pix2Pix:入力画像を条件にするGANで、学習には画像ペアが必要
  • 同列の性能ランキングではなく、条件とデータの対応を見る

参考資料(原論文)

© 2024-2026 stemtazoo. All rights reserved.