データ生成（生成モデル）の一問一答

GAN（敵対的生成ネットワーク）の説明として、最も適切なものを1つ選びなさい。

• ①本物のデータを作る識別器と、偽物のデータを見分ける生成器を協力させながら学習させる。
• ②入力と同じものを出力するように学習し、途中の層でデータを圧縮した表現を得る方法である。
• ③偽のデータを作る生成器と、本物か偽物かを見分ける識別器を、競わせながら学習させる。
• ④データに少しずつノイズを加える過程と、それを取り除く過程を学習して画像を生成する。

GANの学習で、生成器が識別器をだましやすい特定の種類のデータばかりを生成するようになり、生成されるデータの多様性が失われてしまう現象を何というか。最も適切なものを1つ選びなさい。

• ①勾配消失
• ②過学習
• ③コンセプトドリフト
• ④モード崩壊

生成器と識別器に畳み込みニューラルネットワークを用い、プーリング層の代わりにストライドのある畳み込みを使うなどの工夫で、画像の生成を安定させたGANとして、最も適切なものを1つ選びなさい。

• ①DCGAN
• ②CycleGAN
• ③Pix2Pix
• ④VAE

「航空写真と地図」「線画と色付きの絵」のように、対になった画像の組を使って、ある画像を別の画像に変換する方法を学習するGANの手法として、最も適切なものを1つ選びなさい。

• ①CycleGAN
• ②Pix2Pix
• ③DCGAN
• ④StyleGAN

CycleGANの説明として、最も適切なものを1つ選びなさい。

• ①対になった画像の組が必ず必要で、変換前と変換後の画像を1対1で対応させて画像の変換を学習する。
• ②画像にノイズを少しずつ加える過程と、それを取り除く過程を学習して、画像を別の画像に変換する。
• ③対になった画像の組がなくても、変換して元に戻すと一致するという制約で画像の変換を学習する。
• ④生成器の各段階にスタイルの情報を入れ、顔の向きから髪の質感まで段階ごとに制御して生成する。

画像生成などで用いられる「拡散モデル（Diffusion Model）」の説明として、最も適切なものを1つ選びなさい。

• ①生成器と識別器を互いに競わせ、識別器をだませるように生成器を上達させて生成する。
• ②入力と同じものを出力するように学習し、途中の層の値をそのまま出力として生成する。
• ③学習データの画像を切り貼りして組み合わせ、新しい画像として出力する仕組みである。
• ④データに少しずつノイズを加える過程の逆をたどり、ノイズを除いてデータを生成する。

画像そのものではなく、オートエンコーダで圧縮した低次元の潜在空間の上で拡散モデルの処理を行うことで、計算量を大幅に減らした手法として、最も適切なものを1つ選びなさい。

• ①潜在拡散モデル（Latent Diffusion Model）
• ②敵対的生成ネットワーク（GAN）
• ③変分オートエンコーダ（VAE）
• ④ノイズ除去拡散確率モデル（DDPM）

ある場面を複数の視点から撮影した画像をもとに、その場面の3次元的な情報を学習し、撮影していない新しい視点から見た画像を生成できる手法として、最も適切なものを1つ選びなさい。

• ①Pix2Pix
• ②NeRF
• ③StyleGAN
• ④DCGAN

「生成モデル」と「識別モデル」の違いの説明として、最も適切なものを1つ選びなさい。

• ①識別モデルはデータがどのように生じるかの分布を学び、生成モデルはデータのクラスを見分ける境界を学ぶ。
• ②生成モデルは正解ラベルのあるデータだけで学び、識別モデルは正解ラベルのないデータだけで学ぶモデルである。
• ③生成モデルはデータがどのように生じるかの分布を学び、識別モデルはデータのクラスを見分ける境界を学ぶ。
• ④生成モデルは必ずニューラルネットワークを使い、識別モデルはニューラルネットワークを使わないモデルである。

生成する画像の特徴を、大まかな形から細かな質感まで段階ごとに制御する構造を持ち、実在しない人物の高品質な顔画像を生成できることで知られるGANとして、最も適切なものを1つ選びなさい。

• ①Pix2Pix
• ②DCGAN
• ③CycleGAN
• ④StyleGAN