VQ-VAE・info VAE・β-VAE

これらのモデルは、変分オートエンコーダ（VAE）を改良し、潜在空間の表現能力を向上させた手法群です。VAEはデータを低次元の潜在変数に圧縮し、そこから復元する生成モデルですが、そのままでは生成されるデータの質や解釈性に課題がありました。

仕組みとして、VQ-VAEは潜在空間を離散化（量子化）し、情報の欠損を抑えつつ高画質な生成を可能にしました。info VAEは潜在変数と入力データ間の相互情報を最大化することで表現力を高め、β-VAEは潜在変数の各次元の独立性を制御することで、解釈可能な特徴量（属性の分離など）を学習できるようにしました。

G検定では、生成モデルの進化として問われます。単なる圧縮・復元だけでなく、どのような工夫によって生成データの質が向上したり、潜在空間が整理されたりしたかという、「改善の目的」を理解することが重要です。VAEの基本的な仕組み（エンコーダ・デコーダ・潜在空間）を理解した上で、これらの発展形を位置づけます。