VAE（ぶいえー）
最終更新：2026/4/25
VAEは、変分オートエンコーダ（Variational Autoencoder）の略で、潜在変数を確率分布として扱う生成モデルである。
別名・同義語 変分オートエンコーダ確率的オートエンコーダ
ポイント
VAEは、入力データを低次元の潜在空間に圧縮し、そこから再構成することで、新しいデータを生成することができる。画像生成や異常検知などの分野で応用されている。
概要
VAE（Variational Autoencoder）は、オートエンコーダの一種であり、深層学習の分野で広く研究されている生成モデルです。従来のオートエンコーダが潜在空間に離散的な表現を学習するのに対し、VAEは潜在空間を連続的な確率分布として扱います。これにより、潜在空間をサンプリングすることで、学習データに類似した新しいデータを生成することが可能になります。
構造
VAEは、主にエンコーダとデコーダの2つの部分から構成されます。
- エンコーダ: 入力データを受け取り、潜在空間における確率分布（通常はガウス分布）のパラメータ（平均と分散）を出力します。
- デコーダ: 潜在空間からサンプリングされた潜在変数を受け取り、元の入力データを再構成します。
学習
VAEの学習は、再構成誤差とKLダイバージェンスの2つの項を最小化するように行われます。
- 再構成誤差: デコーダが再構成したデータと元の入力データとの間の誤差を測る指標です。
- KLダイバージェンス: 潜在空間における確率分布が、事前分布（通常は標準ガウス分布）からどれだけ離れているかを測る指標です。
応用例
VAEは、以下のような様々な分野で応用されています。