画像と文章の対応づけ
L社は、ECサイトで「赤い革のハンドバッグ」のような文章から、タグが付いていない商品写真を探せる機能を作りたい。大量の画像と説明文のペアで学習し、対応するペアが近くなるようにしたモデルを使う方針である。この仕組みの説明として、最も適切なものを1つ選べ。
- A
商品写真に人が付けたタグの文字列と、検索した文章とが完全に一致するものを探す。
- B
文章から拡散モデルで画像を生成し、生成した画像と商品写真の画素の値を1つずつ比べて探す。
- C
画像と文章を同じベクトル空間に埋め込み、対応するペアが近づくように対照学習したモデルで、文章と写真の類似度を計算して探す。
- D
写真に写っている文字を文字認識(OCR)で読み取り、その文字列と検索した文章を照合して探す。
正解と解説を見る
正解:C
画像と文章のペアを対照学習したモデルは、両方を共通のベクトル空間に置き、意味の近さを計算できる。画像検索や、画像生成で文章を条件として使う仕組みの土台になっている。
- A
誤り。従来のキーワード検索の方法であり、タグが付いていない写真は探せない。
- B
誤り。画素の値を直接比べる方法では、構図や背景が違うだけで一致しない。今回の方針は、意味を表すベクトルどうしを比べる方式である。
- C
正しい。画像と言語を対応づける対照学習モデルの仕組みである。文章の埋め込みと画像の埋め込みの近さで検索するため、タグがなくても探せる。
- D
誤り。写真の中の文字しか手がかりにできないため、色や素材のように見た目の特徴で探すことはできない。
このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会(JDLA)・一般社団法人生成AI活用普及協会(GUGA)の公式サービスではありません。