【たいしょうがくしゅう】

対照学習（Contrastive Learning）とは？

最終更新: 2026年10月4日

💡 ペアの関係を比べて、データの特徴を学ぶ

正例と負例のペアを対比し、正例の類似度を負例より高くするように特徴表現を学ぶ手法。ペアは学習方法に応じて作り、自己教師あり学習にも教師あり学習にも使う。

📌 このページのポイント

SimCLRの例。各ビューを同じ重みのエンコーダと投影ヘッドで処理し、NT-Xent損失で比較する。点の位置は類似度の概念で、測定値ではない。

ひよこ

何と何を比べるの？

ペンギン先生

学習上、対応するものとして扱う正例と、それ以外として扱う負例を比べるよ。正例の類似度を負例より高くするように表現を学ぶ。どのペアを正例にするかは、方法によって違うんだ。

ひよこ

ラベルがなくても正例を作れる？

ペンギン先生

SimCLRでは、同じ画像を別々に切り抜いたり色を変えたりして、2つのビューを作るよ。この組を正例にし、同じバッチ内の別画像から作ったビューを負例として扱う。猫などの分類ラベルは使わないんだ。

ひよこ

別画像なら、必ず違う種類なの？

ペンギン先生

そうとは限らないよ。別の猫の写真も負例になることがある。学習上の正例・負例という区分が、そのまま意味の同じ・違うを保証するわけではないんだ。

ひよこ

CLIPではどうするの？

ペンギン先生

データで対応している画像と説明文を正例にし、バッチ内の対応していない組と比べるよ。画像とテキストの表現を共通の空間で比べられるように学び、文章を使った画像分類などにつなげるんだ。

ひよこ

損失関数はどう使うの？

ペンギン先生

SimCLRはNT-Xentという損失を使い、正例とバッチ内の負例の類似度を比べるよ。エンコーダの出力を投影ヘッドで変換して損失を計算し、学習後はエンコーダの表現を利用する。対照学習全体が、この構成だけを指すわけではないんだ。

もっと詳しく知りたい人へ

教師ありの対照学習では、正例は何になる？

SupConのように分類ラベルを使う方法では、同じクラスのサンプルを正例としてまとめられる。SimCLRの「同じ元画像からの2ビュー」とはペアの条件が異なる。対照学習と自己教師あり学習は同義ではない。

まとめ：ざっくりこれだけ覚えればOK！

「対照学習」って出てきたら「正例と負例の関係を比べて、データの表現を学ぶ方法」と思えばだいたいOK！

📖 おまけ：英語の意味

「Contrastive Learning」＝対照的な学習

💬 Contrastiveは対照・対比という意味だよ。正例と負例を比べながら表現を学ぶことから、この名前が付いているんだ