G検定（JDLA） 練習問題 38：生成モデル：画像生成の仕組み
画像生成AIで用いられる「拡散モデル（Diffusion Model）」の仕組みについて、正しいものはどれか。
- データへ段階的にノイズを加える過程を学習し、その逆過程でノイズから徐々にデータを復元する方法を学ぶ。
- 生成器と識別器を敵対的に競わせながら学習し、識別器を欺けるようなデータの生成を目指す仕組み。
- 入力画像を固定長のベクトルに圧縮し、そのベクトルから元画像を一度の変換で復元する仕組みである。
- 決定木を多数組み合わせて、各木の予測値を平均することで画素値を推定する仕組みである。
- 単語の分散表現を学習し、その類似度に基づいて画像の特徴を分類するための仕組みである。
Qraftユーザーの成績：難易度 Eランク（レーティング1059）・正答率 90%（9/10回正解）
レーティングは解いた人の実力と正誤から算出する難しさ（初期値1200）。ランクはその全問題中の順位（S+が最難関、F-が最易）
正解と解説を見る
正解：データへ段階的にノイズを加える過程を学習し、その逆過程でノイズから徐々にデータを復元する方法を学ぶ。
拡散モデルは、元のデータに少しずつノイズを加えていき最終的に完全なノイズにする「拡散過程」と、そのノイズから段階的にデータを復元していく「逆拡散過程」をニューラルネットワークに学習させることで、高品質な画像などを生成する手法です。
【正解の理由】
逆拡散過程を反復的に適用することで、ランダムなノイズから徐々に自然な画像を生成でき、近年の高性能な画像生成AIの基盤技術として広く使われています。
【不正解の理由】
• 「生成器と識別器を敵対的に競わせる」という説明は誤り。これはGAN（敵対的生成ネットワーク）の仕組みである
• 「固定長ベクトルに圧縮し一度の変換で復元する」という説明は誤り。これはオートエンコーダに近い考え方であり、拡散モデルは段階的な反復処理を特徴とする
• 「決定木を多数組み合わせて予測値を平均する」という説明は誤り。これはランダムフォレストなどのアンサンブル学習の説明である
• 「単語の分散表現を学習し類似度で画像特徴を分類する」という説明は誤り。これは自然言語処理の分散表現の考え方であり、拡散モデルの仕組みとは異なる