文と画像を結び付ける学習
画像と説明文の組を大量に集め、対応する画像と文は近く、対応しない組は遠くなるように学習する手法がある。この手法により、文と画像を同じベクトル空間で表せるようになる。この手法の活用例として、最も適切なものを1つ選べ。
- A
生成器と識別器を競わせることで、本物らしい画像を作る力を高める。
- B
画像に写った文字を読み取って文字列に変換するOCRとして、帳票の読み取りに使う。
- C
ノイズを段階的に取り除く処理そのものを担い、このモデル単独で高解像度の画像を生成する。
- D
文章で入力した内容に合う画像を検索したり、画像生成で文章の指示を画像に反映させたりする。
正解と解説を見る
正解:D
画像と文の組を対照学習で学ぶと、両者を共通のベクトル空間で比べられるようになる。これは、文章による画像検索や、文章から画像を作る生成AIの条件付けに使われる。
- A
誤り。これはGAN(敵対的生成ネットワーク)の学習方法である。
- B
誤り。この手法は画像と文の意味的な近さを学ぶものであり、文字を1文字ずつ読み取るOCR専用の技術ではない。
- C
誤り。ノイズ除去を繰り返して画像を作るのは拡散モデルの役割である。この手法は、主に文と画像の対応付けを担う。
- D
正しい。対照学習で文と画像の対応関係を学ぶことで、文章による画像検索や、画像生成の条件付けに使える。
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。