自己符号化ネットワークは、エンコーダーと生成器の同時学習を通じて生成的性質と表現的性質を統合することを目指す非教師あり手法である。これまで広範にわたって研究が行われてきたが、GAN（生成的対抗ネットワーク）と同等の生成能力を有するかどうか、あるいは離散化された表現（disentangled representations）を学習できるかどうかという課題は、まだ完全に解決されていない。本研究では、これらの課題を一括して取り組む自己符号化ネットワーク、すなわち「敵対的潜在変数自己符号化器（Adversarial Latent Autoencoder, ALAE）」を提案する。ALAEは、近年のGAN訓練手法の進展を活用できる汎用的なアーキテクチャである。本研究では、MLPを用いたエンコーダーに基づく1つの自己符号化器と、StyleGANの生成器をベースにしたもう1つの自己符号化器（StyleALAE）を設計した。両アーキテクチャの離散化性を実証した。さらに、StyleALAEがStyleGANと同等の品質で1024×1024解像度の顔画像を生成できることを示しただけでなく、同じ解像度で実画像に基づく顔の再構成や操作も可能であることを確認した。これにより、ALAEは、生成器のみを用いたアーキテクチャと比較し、かつその能力を上回る最初の自己符号化ネットワークであることが明らかになった。