生成的敵対ネットワーク（GANs）

生成的敵対ネットワーク（GANs）は、最近注目を集めている新しいタイプの深い生成モデルです。GANは、画像、音声、データに関する複雑で高次元の分布を暗黙的に学習します。しかし、GANのトレーニングには、モード崩壊、非収束、不安定性といった主要な課題があります。これらは、ネットワークアーキテクチャの不適切な設計、目的関数の使用、最適化アルゴリズムの選択によって引き起こされます。最近では、これらの課題に対処するために、再設計されたネットワークアーキテクチャ、新しい目的関数、および代替最適化アルゴリズムの技術を基にした、GANの設計および最適化の改善に関するいくつかの解決策が調査されています。私たちの知る限り、これらの解決策の幅広い体系的な発展に特に焦点を当てた既存の調査はありません。本研究では、GANの課題に対処するために提案されたGANの設計と最適化解決策の進展について包括的な調査を行います。まず、各設計および最適化技術内の主要な研究課題を特定し、その後、主要な研究課題によって解決策を構造化するための新しい分類法を提案します。この分類法に基づき、各解決策内で提案されたさまざまなGANのバリエーションおよびその関係について詳細に議論します。最後に、得られた知見に基づいて、この急成長中の分野における有望な研究方向を提示します。