生成 Deep Learning 第2版 ―絵を描き、物語や音楽を作り、ゲームをプレイする

4章敵対的生成ネットワーク

4章の目標

• 敵対的生成ネットワーク（GAN）のアーキテクチャ設計について学ぶ。
• Kerasを使って深層畳み込みGAN（deep convolutional GAN：DCGAN）を構築し、訓練する。
• DCGANを使用して新しい画像を生成する。
• DCGANを訓練する際に直面する一般的な問題のいくつかを理解する。
• Wasserstein GAN（WGAN）アーキテクチャがこれらの問題にどのように対処するかを学ぶ。
• 損失関数に勾配ペナルティ（GP）項を組み込むなど、WGANに加えられる追加の拡張について理解する。
• Kerasを使ってWGAN-GPを構築する。
• WGAN-GPを使って顔画像を生成する。
• 条件付きGAN（conditional GAN：CGAN）が、生成された出力を特定のラベルにどのように条件付けるかを学ぶ。
• KerasでCGANを構築して訓練し、生成された画像を操作する。

2014年、Ian Goodfellowらはモントリオールで開催されたNeural Information Processing Systems conference（NeurIPS）で、「Generative Adversarial Nets」†1と題する論文を発表しました。敵対的生成ネットワーク（generative adversarial network：GAN）の導入は、現在では生成モデリングの歴史における重要なターニングポイントと見なされています。この論文で提示された核となるアイデアが、これまでに作られた生成モデルの中で最も成功し、印象的な生成モデルのいくつかを生み出したからです。

[†1] Ian J. Goodfellow et al., "Generative ...