DCGANとは

DCGAN（Deep Convolutional GAN）は、2015年にAlec Radfordらが発表したGANのモデルです。2014年に登場したGANは、画像を生成できる一方で、学習が不安定になりやすいことが課題でした。DCGANは、畳み込みニューラルネットワーク（CNN）を生成器と識別器の両方に使い、安定して学習できる構造の指針を示しました。

構造の指針

• プーリング層を使わない：識別器ではストライド付きの畳み込みで画像を縮め、生成器では転置畳み込みで画像を広げます。縮め方や広げ方もネットワークに学習させます。
• バッチ正規化：生成器と識別器の両方で使い、学習を安定させます。
• 全結合の隠れ層をなくす：深い構造では、畳み込み層を中心に組み立てます。
• 活性化関数：生成器は出力層だけtanh関数、それ以外の層はReLU関数を使います。識別器はすべての層でLeaky ReLU関数を使います。

わかったこと

DCGANは、寝室の写真を集めたデータセット（LSUN）などで、それまでより自然な画像を生成しました。さらに、生成器に入力する潜在ベクトルの足し引きで、画像の特徴を操作できることを示しました。たとえば「眼鏡をかけた男性」から「眼鏡のない男性」を引き、「眼鏡のない女性」を足すと、「眼鏡をかけた女性」の画像が生成されます。word2vecの単語ベクトルの足し引きと同じような性質です。

また、学習した識別器の特徴を画像分類に転用し、一定の精度が得られることも示しました。ラベルなしのデータから有用な特徴を学べる点でも注目されました。

その後への影響

DCGANの構造は、その後の多くのGANの土台になりました。Pix2PixやCycleGANも、畳み込み層を使った生成器と識別器をもちます。

覚え方

「GANにCNN（Deep Convolutional）を入れて安定させた」と覚えます。