ガウス雑音は、確率密度関数が正規分布（ガウス分布）に従うランダムな雑音（ノイズ）です。自然界の物理現象や電子回路で発生するノイズの多くがこの特性を持つため、AIや機械学習においては、画像データの水増し（データ拡張）やノイズ除去モデルの学習、モデルの頑健性を高めるための入力データのブレ対策など幅広く活用されています。
ガウス雑音とは
ガウス雑音とは、各時点や各画素におけるノイズの値が平均ゼロの正規分布（ガウス分布）に従ってランダムに発生する雑音のことです。
詳しく解説
統計学や信号処理において最も基本とされる雑音モデルです。中心極限定理に基づき、無数の独立した微小な要因が複合的に重なり合うことで、全体としてのノイズは正規分布に収束します。機械学習や深層学習の分野では、学習データにあえてこのガウス雑音を付加することで、モデルが過学習を起こすのを防ぎ、未知のデータに対する汎化性能を向上させる手法（データ拡張）がよく用いられます。また、画像処理技術においては、ノイズ除去タスクを評価する際の標準的なノイズとしても使用されます。
具体例・使われ方
例えば、画像認識AIの訓練時に、元の画像データに対してわずかなガウス雑音を加えた画像を作成して学習に利用します。これにより、実際のカメラ撮影時に発生するセンサーノイズに対して強いAIモデルを構築できます。他にも、生成AIにおける拡散モデルの順方向プロセスでは、データに対して段階的にガウス雑音を加えていくことで、完全にランダムな状態へと移行させる処理が行われます。
似た用語との違い
「塩コショウ雑音」が画像の一部の画素が極端に黒や白になるデジタル的な欠損であるのに対し、ガウス雑音はすべての画素に対してなだらかに変動する確率的な変化を与えます。また、「均一雑音」は一定の範囲内でどの値も同じ確率で発生するのに対し、ガウス雑音は平均値付近の値が発生しやすく、極端に大きなノイズは発生しにくいという統計的性質の違いがあります。
注意点
ガウス雑音をデータに付加しすぎると、元のデータの特徴が完全に破壊され、モデルの学習が崩壊する原因になります。また、現実世界のすべてのノイズがガウス分布に従うわけではないため、実データに特有のノイズパターンに対しては、単純なガウス雑音の付加だけでは十分なロバスト性を獲得できない場合があります。