生成的敵対ネットワーク · GAN
Generative Adversarial Network
生成的敵対ネットワークとは?
- 生成器 vs 判別器の競争で学習
- 本物らしいデータの生成
- ディープフェイク・画像生成の元祖
GANが実務で変えたのは、データへの向き合い方の順序です。それまではモデルを学習させるために、人が正解を付けたデータを十分に集めておく必要がありましたが、GANは判別器が当てたか外したかというシグナル一つで生成器を育てます。正解表がなくても学習が回るということで、希少な不良画像のように最初から集めにくいデータを、直接作って使う道が開けました。足りないデータを探して埋める代わりに、作って埋めるという発想が、ここから出てきます。
種類別に見ると用途がはっきりします。DCGANは畳み込みを加えて画像品質を高めた基本形で、CycleGANは対になった正解ペアがなくても写真を画風に変換する用途向けです。StyleGANは1024×1024の解像度で顔を生成し、「実在しない人物」サービスの土台となった系統です。条件付きGAN(cGAN)は「スクラッチ不良」のように、欲しい種類を指定して生成します。ディフュージョンモデルとの分かれ目は速度と安定性です。ディフュージョンはノイズを数十回取り除いて品質を得る分、遅いです。GANは一度の通過で結果が出るため実時間処理に有利ですが、学習が一方に崩れやすいという弱点を抱えています。
現場で最も食い違いやすいのは、「GANを回せばデータが無限に増える」という期待です。生成器は判別器をだましやすい数パターンを見つけると、そこに居座ってしまいます。これがモード崩壊です。1万枚を生成しても実際には3〜4タイプのバリエーションにすぎず、そのデータで学習した検査モデルは初めて見る不良の前でそのまま見逃します。元画像300枚に特定の照明や角度の偏りがあれば、その偏りまで複製されます。検証用データセットだけは合成データで埋めてはいけません。偽物でテストを受けると点数だけが上がり、ラインでの性能は変わりません。人の顔や音声を合成する場合は、肖像権とディープフェイクに関する法的責任を技術的検討より先に確認する必要があります。
2014年にイアン・グッドフェロー(Ian Goodfellow)らが提案したもので、生成器と判別器がゼロサムゲームのように競い合う構造です。
架空の事例で見てみましょう。社員420名規模の自動車部品メーカーA社は、外観検査AIの開発に6か月間取り組んでいました。正常画像は12万枚たまったものの、実際の不良画像は全ラインを合わせても287枚しかありませんでした。検査モデルの不良検出率は76%から上がらないままでした。
- 品質保証チームのパク次長が「不良をもっと集めるには、わざと不良を作るべきなのか」と尋ねると、AIパートナー社がGANでスクラッチや異物の不良画像を合成してみようと提案しました。
- 条件付きGANを加えて不良の種類をスクラッチ・異物・打痕・印字のにじみの4種類に指定し、287枚で学習させたうえで、種類ごとに3,000枚ずつ、計1万2千枚を3週間かけて生成しました。
- 一次結果を見た検査班長が「これは当ラインでは出ない傷だ」と40%を除外したため、現場の目で合成画像を選り分ける検収を正式な工程として組み込みました。
- モード崩壊を疑い、生成画像を種類別に分類してみたところ、異物不良が全体の68%に集中していたため、損失関数の重みを調整して2週間かけて再学習させました。
- 検証では合成画像を1枚も混ぜず、実際の不良品287枚のうち取り分けておいた87枚だけで行いました。偽物でテストを受けないことが、パク次長が定めた原則でした。
- 3か月後、不良検出率は76%から93%に上がり、過検出率は11%から4%に下がったことで、再検査に回っていた人員は1日3名から1名に減りました。
イム・アラ
パク・スンテ