VAE（Variational Autoencoder、変分オートエンコーダー）

VAE（Variational Autoencoder、変分オートエンコーダー）とは、深層学習で用いられる生成モデルの一種です。本記事では、エンコーダーとデコーダーからなる仕組み、潜在空間の考え方、応用例と注意点を解説します。

VAEとは（意味・定義）

VAEは、教師なし学習を用いてデータの潜在的な構造を学び、新しいデータを生成する生成モデルです。従来のオートエンコーダー（AE）を確率的なアプローチで拡張したもので、生成モデルとしての応用範囲を広げました。生成モデル全般については生成AIの項目も参考になります。

エンコーダーとデコーダーの仕組み

VAEは、エンコーダーとデコーダーという2つの主要なネットワークで構成されます。

エンコーダーは入力データを潜在空間と呼ばれる低次元の空間に圧縮します。従来のAEと異なり、VAEのエンコーダーは潜在空間上の単一の点ではなく、確率分布（通常はガウス分布）を出力します。これにより潜在空間が連続的になり、滑らかなデータ生成が可能になります。

デコーダーは、潜在空間からサンプリングされた点を受け取り、元のデータ空間に再構築します。再構築されたデータは、元の入力とできるだけ近くなるように学習されます。

学習のしくみと損失関数

VAEの学習では、再構築誤差と正則化項の2つの損失を最小化します。再構築誤差はデコーダーが元のデータをどれだけ正確に再構築できるかを測るものです。正則化項は、潜在空間上の分布が特定の分布（通常は標準ガウス分布）に近づくように制約する役割を持ちます。学習には確率的勾配降下法やAdamなどの最適化アルゴリズムが用いられます。

2つの損失のバランスが生成結果の傾向を左右するため、重みの設計はVAEを扱ううえでの重要な検討点になります。

近年では、VAEの改良版としてβ-VAEやConditional VAEなど、さまざまなバリエーションが登場しています。関連手法としてはGANや拡散モデルがあり、それぞれ異なる特性を持ちます。

応用例

• 画像の超解像化：低解像度の画像から高解像度の画像を生成します
• ノイズ除去：画像に含まれるノイズを取り除く用途に応用できます
• 異常検知：正常データのVAEを学習し、異常なデータで再構築誤差が大きくなる性質を利用して検知します

この異常検知の手法は、製造業の品質管理や金融業の不正検知などに活用されています。また、潜在空間を操作することで、データの特定の属性を制御できる点も特徴です。このように、生成するだけでなく、データの性質を理解する用途でも活用されています。

よくある誤解

誤解：VAEはオートエンコーダーと同じものである

実際は：VAEはAEを確率的に拡張したものです。エンコーダーが分布を出力する点が大きな違いで、これにより新しいデータの生成が可能になります。

誤解：VAEは画像生成にしか使えない

実際は：画像だけでなく音楽やテキストの生成、異常検知など幅広い分野で応用されています。

誤解：生成されるデータは学習データのコピーである

実際は：潜在空間からサンプリングして生成するため、学習データに似た特徴を持ちながらも、わずかに異なるバリエーションが得られます。

FAQ（よくある質問）

Q. VAEとGANの違いは何ですか？

A. VAEは確率分布を通じてデータを生成するのに対し、GANは生成器と識別器を競わせて学習します。得意なことや生成結果の傾向が異なります。

Q. VAEの学習が不安定になる原因は？

A. 再構築誤差と正則化項のバランスが影響します。損失の重みづけを調整することが対策の一つです。

関連用語

• 生成AI — VAEが属する生成モデルの総称
• GAN — 生成モデルの代表的な手法の一つ
• 拡散モデル — 近年注目される別系統の生成モデル

用語の一覧はAI用語辞典トップからたどれます。実際のツール比較はAIツール一覧をご覧ください。

参考出典

• Google Cloud「生成 AI の用語集」: docs.cloud.google.com
• Salesforce「AI用語虎の巻」: salesforce.com