---
title: "VAEとGANの違い【生成モデル 比較チートシート｜G検定対策】"
description: "VAEとGAN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。具体例や典型的なひっかけも意識して、試験でどの知識として使うかを押さえます。"
last_modified_at: "2026-07-14"
canonical_url: "https://stemtazoo.github.io/gk/vae-vs-gan/"
section: "gk"
---

## 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**