AI資格 模擬試験

生成AIパスポート 模擬試験 第5回 問11・第2章 生成AI(生成AIを支える技術革新(Transformer以降))

画像をパッチで扱う方式

製造業のA社は、製品の外観検査に使う画像認識モデルを比較している。候補の1つは、画像を小さな正方形の区画(パッチ)に分割し、各パッチをトークンのように並べてTransformerに入力する方式である。この方式の説明として、最も適切なものを1つ選べ。

  1. A

    パッチを単語のように扱うので、画像内の離れた領域どうしの関係もAttentionで捉えられる。

  2. B

    各パッチをOCRで文字に変換してから入力するため、文字が写っている画像しか扱えない。

  3. C

    パッチに分けることで畳み込みが不要になる代わりに、パッチの位置の情報は一切使わなくなる。

  4. D

    パッチごとに別々のモデルを学習し、最後に各モデルの判定結果を多数決でまとめる手法である。

正解と解説を見る

正解:A

Transformerは文章専用ではない。画像をパッチに分けてトークンのように扱えば、画像認識や画像生成にも使える。パッチの位置は位置埋め込みで与える。

学習のポイント:画像のTransformerでも位置の情報は必要であり、「位置を使わない」という選択肢は誤りになる。

この問題を演習で解く →

生成AIパスポートのトップへ 問題一覧へ

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。