動画生成と時空間パッチ
文章から動画を生成するモデルが、動画を、時間と空間の小さな塊（時空間のパッチ）に分けて、Transformerで扱う方法についての説明として、最も適切なものを1つ選べ。
- A
画像の「パッチ」の考え方を、時間方向にも拡張して、動画を、系列のトークンとして扱える。
- B
動画を、すべて1枚の静止画に、変換してから処理する。
- C
音声だけを、扱う方法である。
- D
時間の情報は、使わない方法である。
正解と解説を見る
正解：A
動画生成では、動画を、時間と空間のパッチ（トークン）の系列にして、拡散モデルとTransformerを組み合わせる。画像生成の考え方を、時間方向に拡張したもの。
- A
正しい。さまざまな長さ・解像度の動画を、扱いやすい。
- B
誤り。時間の情報が失われる。
- C
誤り。映像を扱う。
- D
誤り。時間方向のパッチも使う。
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。