AI・機械学習
初級
Gan Network（ガンネットワーク）
Gan Networkは、人工知能・機械学習分野における重要な概念・技術です。
0 回閲覧
0 いいね
2026/4/25 更新
関連タグ
AI
機械学習
初心者向け
GAN Network（Generative Adversarial Network）
概要
GAN（Generative Adversarial Network、敵対的生成ネットワーク）は、2014 年に Ian Goodfellow らによって提案された深層学習アーキテクチャです。2つのニューラルネットワーク「生成器（Generator）」と「識別器（Discriminator）」を競わせることで、本物と見分けがつかない画像・音声・テキストを生成できる革新的な技術として、画像生成 AI の基礎を築きました。
仕組み
2つのネットワーク
- Generator（生成器）: ランダムノイズから偽データを生成
- Discriminator（識別器）: 本物と偽物を区別
学習プロセス
- Generator: Discriminator を騙すように学習
- Discriminator: 本物と偽物を正確に見分けるように学習
- 最終目標: Discriminator が見分けられなくなるまで繰り返し
この「敵対的学習」により、生成される画像の質が徐々に向上します。
主要な GAN 派生モデル
| モデル | 発表年 | 特徴 | 用途 |
|---|---|---|---|
| Vanilla GAN | 2014 | 基本形 | 研究基盤 |
| DCGAN | 2015 | CNN ベース | 画像生成 |
| CycleGAN | 2017 | ペアなし変換 | 馬 → シマウマ |
| StyleGAN | 2018 | 高品質人物顔 | ThisPersonDoesNotExist |
| StyleGAN2 | 2020 | アーティファクト除去 | フォトリアル |
| StyleGAN3 | 2021 | 回転・平行移動耐性 | アニメーション |
| BigGAN | 2018 | 大規模、多クラス | 多様な画像 |
| Pix2Pix | 2017 | 画像ペア変換 | スケッチ → 写真 |
現代の画像生成における GAN
2014-2022: GAN の全盛期
- StyleGAN: 超リアルな人物顔生成
- BigGAN: ImageNet クラスの高品質生成
- CycleGAN: 画風変換
2022-現在: Diffusion Model の台頭
2022 年以降、Stable Diffusion、Midjourney、DALL-E 2 などの Diffusion Model が GAN を凌駕し、画像生成の主流となりました：
| 項目 | GAN | Diffusion Model |
|---|---|---|
| 品質 | 高い | さらに高い |
| 多様性 | 限定的 | 非常に高い |
| 学習安定性 | 不安定（モード崩壊） | 安定 |
| テキストプロンプト | 限定的 | 優れる |
| 推論速度 | 高速（1ステップ） | 低速（10-50 ステップ） |
GAN が依然有用な分野
画像編集
- StyleGAN: 顔の属性編集（年齢、性別、表情）
- GAN Inversion: 既存画像を GAN 空間にマッピング
超解像
- ESRGAN: 古典的超解像
- Real-ESRGAN: 実写写真の高解像度化
- SRGAN: 初期の超解像モデル
リアルタイム生成
- StyleGAN のワンショット: Diffusion より高速
- 動画スタイル変換: リアルタイム性が重要な用途
自作 PC での GAN 実行
VRAM 要件
| モデル | 推論 VRAM | 学習 VRAM |
|---|---|---|
| DCGAN | 2GB | 4GB |
| StyleGAN2 (1024px) | 6GB | 12GB |
| StyleGAN3 (1024px) | 8GB | 16GB |
| BigGAN | 8GB | 24GB+ |
推奨 GPU
- 入門: RTX 4060 Ti 16GB（学習可能）
- 標準: RTX 4070 Ti Super（快適）
- 本格: RTX 4090 / RTX A6000（高解像度・大規模）
フレームワーク
- PyTorch: StyleGAN3 公式、最も広範
- TensorFlow: BigGAN、古い実装
- JAX: 研究向け
モード崩壊（Mode Collapse）
GAN の代表的な問題で、Generator が多様性を失い、似たような画像しか生成しなくなる現象です。
対策
- WGAN（Wasserstein GAN）: 損失関数の改良
- Progressive Growing: 低解像度から段階的に学習
- Minibatch Discrimination: バッチ内の多様性評価
- Spectral Normalization: 勾配安定化
倫理的課題
Deepfake
- 顔置換: DeepFaceLab、FaceSwap
- 音声合成: 悪用リスク
- 社会問題: フェイクニュース、詐欺
対策技術
- Deepfake 検出: 学習済み検出モデル
- Watermarking: 生成物に透かし
- Provenance: C2PA 等のメタデータ標準
関連用語
- Generator / Discriminator
- Diffusion Model（Stable Diffusion、DALL-E）
- StyleGAN、CycleGAN
- Deepfake、モード崩壊
- WGAN、Spectral Normalization