【G検定過去問風テスト】VAEの発展形！離散的コードブックを使う手法とは？

2026年7月29日 2026年7月29日 atsushi_kitazawa

※本記事では、アフィリエイトプログラムより教材を紹介しています。

📝 問題

変分オートエンコーダ（VAE）の潜在変数を連続的な数値ではなく、あらかじめ用意した辞書から最も近いものを選ぶ（ベクトル量子化）ことで、ぼやけた画像の生成という弱点を克服し、高画質な画像を生成できるようになった手法として、最も適切な選択肢を1つ選べ

A）β-VAE
B）VQ-VAE
C）infoVAE
D）積層オートエンコーダ

🔍 ここをクリックして正解を見る

正解: ○）B）VQ-VAE

💡 合格に近づく！徹底解説

重要度: ★★★

■ 1分で分かる！この問題の要点

VQ-VAEは、潜在変数を「連続値」ではなく「離散的なデジタル符号（コードブック）」として扱う手法。
ベクトル量子化（Vector Quantization）を取り入れることで、VAEの弱点であった「ぼやけた画像」の生成を改善し、高画質な画像を生成できるようになった。

■ 初学者向け解説（例え話や背景）

通常のVAEは、荷物をスーツケースに詰め込むときに「ふわっとした確率の広がり（平均と分散）」で表現します。これは新しいデータを生み出すのに便利ですが、時として「なんとなくぼんやりした形」になりがちという弱点がありました。
そこで登場したのがVQ-VAEです。これは、あらかじめ用意された「定番のパーツカタログ（辞書＝コードブック）」の中から、一番近いパーツの番号（デジタルな離散値）を選んで記録する仕組みです。例えるなら、写真のモザイクアートを思い浮かべてみてください。色のついた無数のタイルから最適なものを選ぶことで、境界がくっきりとシャープな画像を再現・生成できるようになりました。G検定では「離散的」「コードブック」というキーワードが出たらVQ-VAEと即答できるようにしましょう！

■ 選択肢の解説

A) β-VAE（×）: ハイパーパラメータ $\beta$ を導入し、潜在変数の各要素がそれぞれ独立した明確な意味を持つように調整する「もつれほぐし（Disentanglement）」を行う手法です。
B) VQ-VAE（○）: 潜在変数を離散的な数値（コードブック）として扱い、高画質な画像生成を可能にしたVAEの発展形です。
C) infoVAE（×）: 入力データと潜在変数の間の「相互情報量」を最大化するように改良され、お留守番現象を防ぐための工夫がなされたVAEの仲間です。
D) 積層オートエンコーダ（×）: 通常のオートエンコーダの層を何層も積み重ねることで、より複雑で高度なデータの特徴を捉えられるようにしたディープネットワークです。

リンク