VAEとGANの違いは関連概念を切り分けるための考え方です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk neural_network generative_model cheatsheet

G検定トップ ＞ VAEとGANの違い【生成モデル 比較チートシート｜G検定対策】

まず結論

  • VAEは「確率分布を学習してデータを生成するモデル」
  • GANは「生成器と識別器を競わせてデータを生成するモデル」
  • G検定では「分布を学習するか／敵対的に学習するか」が最大の判断軸。

直感的な説明

VAE

  • 「データが現れやすい場所を地図として覚える」
  • その地図（分布）から新しいデータを生成

GAN

  • 「偽物職人（Generator）と鑑定士（Discriminator）の勝負」
  • 本物っぽいデータを作れる方が勝ち

👉

  • 安定・理論重視 → VAE
  • 見た目の品質重視 → GAN

定義・仕組み

VAE（変分オートエンコーダ）

  • オートエンコーダを拡張した生成モデル
  • 潜在変数を 確率分布（平均・分散） として学習
  • 分布からサンプリングしてデータを生成

構成：

  • エンコーダ
  • デコーダ

GAN（敵対的生成ネットワーク）

  • 2つのネットワークを同時に学習
  • Generator：データを生成
  • Discriminator：本物か偽物かを判定
  • 敵対的学習により生成精度を向上

構成：

  • ジェネレータ
  • ディスクリミネータ

いつ使う？（得意・不得意）

VAEが得意

  • 安定した学習
  • 潜在空間の解釈
  • 分布の理解
  • 異常検知・次元削減

VAEが苦手

  • 生成画像がややぼやけやすい

GANが得意

  • 高精細・リアルなデータ生成
  • 画像生成・スタイル変換

GANが苦手

  • 学習が不安定
  • モード崩壊
  • 理論的理解が難しい

G検定ひっかけポイント

ここが超頻出👇

❌ VAEは敵対的学習を行う

  • 誤り
  • それは GAN

❌ GANは確率分布を直接学習する

  • 誤り
  • VAEの特徴

⭕ 正しい即断ルール

  • 「確率分布・潜在変数」→ VAE
  • 「ジェネレータと識別器」→ GAN
  • 「敵対的」→ GAN
  • 「安定」→ VAE

一発比較表（試験用）

| 観点 | VAE | GAN | |—|—|—| | 学習方法 | 確率分布学習 | 敵対的学習 | | ネットワーク数 | 1系統 | 2系統 | | 学習安定性 | 高い | 低い | | 生成品質 | やや低め | 非常に高い | | 潜在空間 | 解釈しやすい | 解釈しにくい |

まとめ（試験直前用）

  • VAE＝分布を学習する生成モデル
  • GAN＝敵対的に学習する生成モデル
  • VAEは安定、GANは高品質
  • 「分布」か「対戦」かで判断
  • VAE ≠ GAN

🔗 関連記事

🏠 G検トップに戻る