顔画像1枚から年齢を推定することは、コンピュータビジョン分野における古典的かつ困難な課題である。その中でも特に取り組みが難しい問題の一つが、ラベルの曖昧性（label ambiguity）であり、同一人物の隣接する年齢帯の顔画像はしばしば区別がつかない。既存のいくつかの手法は、年齢ラベル間の意味的相関を活用することでこの問題に取り組むため、分布学習（distribution learning）を採用している。しかし、これらの多くはすべての画像に対してガウスラベル分布の分散（variance）を固定値として設定している。実際には、分散は隣接する年齢間の相関と密接に関連しており、年齢や個人によって変動すべきである。本稿では、各サンプルに特化した分散をモデル化するため、適応的分散に基づく分布学習（Adaptive Variance based Distribution Learning: AVDL）手法を提案する。AVDLは、データ駆動型の最適化枠組みであるメタラーニング（meta-learning）を導入し、変数（すなわち分散）に対してメタ勾配降下（meta gradient descent）ステップを実行することで、ノイズのない偏りのない検証セット上で損失を最小化する。各サンプルに対して適切な分散を適応的に学習することで、本手法は真の年齢確率分布をより効果的に近似できる。FG-NETおよびMORPH IIデータセットにおける広範な実験により、提案手法が既存の最先端手法に対して優れた性能を示すことが確認された。