AI用語集
人工知能の完全辞典
Transformer-GAN
GANのジェネレータまたはディスクリミネータにトランスフォーマーベースのアーキテクチャを統合し、シーケンシャルデータや画像における長距離依存関係を効果的に捉える。
VQ-VAE-GAN
VQ-VAE（ベクトル量子化VAE）とGANを組み合わせたもの。VQ-VAEは離散コードの辞書を学習し、GANは潜在空間での生成を洗練させ、忠実度を向上させる。
StyleGAN2-ADA
敵対的データ適応（ADA）を備えたStyleGAN2の変種。確率的にデータ拡張を適用することで、限られたデータセットでの効率的な学習を可能にする。
CycleGAN-Transformer
CycleGANとトランスフォーマー型アテンション機構をハイブリッド化し、非ペア画像変換を改善し、グローバル構造をより良く保存する。
Pix2PixHD-GAN
高解像度画像変換のためのマルチスケールGANアーキテクチャ。マルチスケールディスクリミネータと特徴量損失を統合し、細かい詳細を捉える。
SAGAN
セルフアテンションGAN。ジェネレータとディスクリミネータに自己注意機構を組み込み、画像内の全位置間の関係をモデル化し、グローバルな一貫性を向上させる。
BigGAN-deep
より深いアーキテクチャと高度な正則化技術を使用するBigGANの変種。大規模画像生成において最先端の性能を達成する。
Diffusion-GAN
拡散過程とGANを組み合わせたハイブリッドモデル。GANは拡散過程を効率的に逆転することを学習し、高品質なサンプル生成を実現する。
GAN-CLIP
テキスト記述から画像生成を導くためのCLIP（Contrast的言語-画像事前学習）モデルの統合により、テキスト-画像の意味的一貫性を向上させる。
Progressive GAN-Transformer
ProGANの解像度段階的成長とトランスフォーマー層の組み合わせにより、構造的一貫性を高めた高解像度画像生成を可能にする。
InfoGAN-CR
表現正則化（CR）を加えたInfoGANの変種で、相互情報量を最大化しながら潜在空間を制約し、より解釈可能で安定した表現を実現する。
WGAN-GP-Transformer
WGAN-GPの勾配ペナルティ（GP）とトランスフォーマーの注意機構を統合し、学習を安定化させながら長距離依存関係を捕捉する。
StarGAN-v2-VAE
マルチドメイン潜在空間を学習するためのVAEを組み込んだStarGAN-v2の拡張で、複数ドメイン間でのより柔軟で高品質な画像変換を可能にする。
GAN-SBERT
GANとSBERT（Sentence-BERT）の融合により、意味的に豊かな文埋め込みを用いて条件付きテキスト生成プロセスを導く。
HybridGAN-Flow
GANと正規化フローモデルを組み合わせたアーキテクチャで、フローモデルが基底分布を学習し、GANがより現実的なサンプル生成を洗練する。