問題 No.2
VAEの拡張モデルにおいて、画像生成時に「髪の長さ」「性別」「笑顔の度合い」といった、データの持つ潜在的な特徴（意味）が互いに混ざり合うことなく、それぞれ独立した因子として潜在空間に分離・獲得（ディセタングルメント）されるよう制御したい。この目的を達成するために、損失関数内の特定の正則化項の重みを調整したモデルはどれか。
【正解の解説】
β-VAE
β-VAEは、変分オートエンコーダ（VAE）の目的関数に含まれる正則化項（KLダイバージェンス）にハイパーパラメータ β（β > 1）を導入したモデルです。潜在変数が互いに独立した標準正規分布に近づくよう強力な制約を課すことで、髪の長さや性別などの属性（因子）が綺麗に分離（ディセタングル）されます。
スポンサーリンク
【その他の選択肢の解説】
InfoGAN
InfoGANは、敵対的生成ネットワーク（GAN）に対して「潜在コードと生成画像との相互情報量」を最大化するよう学習させ、教師なしで意味のある特徴表現（姿勢やスタイル等）を分離獲得するモデルです。VAEの正則化項βを調整する本問のアプローチとはモデルのベースが異なります。
VQ-VAE
VQ-VAE（Vector Quantized VAE）は、潜在空間を連続値ではなく離散的なコードブック（ベクトル）として表現するモデルです。高画質な画像生成や音声のモデル化に長けていますが、損失関数の正則化項βの重みを引き上げて自動で因子の分離（ディセタングルメント）を図る手法ではありません。
Conditional VAE (C-VAE)
Conditional VAE（C-VAE）は、エンコーダとデコーダの双方に「笑顔」や「眼鏡の有無」といった条件ラベル（Condition）を直接与えることで指定した属性の画像を生成させる手法です。モデルが自動的に潜在表現を独立因子として分離学習するβ-VAEとは仕組みが異なります。