つくりながら学ぶ！画像生成ＡＩ自作入門

ＤＡＬＬ・Ｅ３やＭｉｄｊｏｕｒｎｅｙなどの画像生成ＡＩはどのようにして動くのか？その仕組みを解き明かします。文章から高解像度画像を生成するモデルを構築。プロンプトに基づいて画像を編集。画像分類を行うＶｉｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒ（ＶｉＴ）を構築。分類、テキスト生成、画像生成に合わせてＬＬＭを微調整。本物の画像とディープフェイクをより正確に判定する。

目次

１　注意機構（Ａｔｔｅｎｔｉｏｎ）とＴｒａｎｓｆｏｒｍｅｒを理解する（２つのモデルの物語：Ｔｒａｎｓｆｏｒｍｅｒと拡散
Ｔｒａｎｓｆｏｒｍｅｒを構築する
Ｖｉｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒで画像を分類する
画像にキャプションを追加する）
２　拡散モデル入門（拡散モデルによる画像生成
拡散モデルで生成する画像を制御する
拡散モデルによる高解像度画像の生成）
３　拡散モデルを用いたテキスト画像生成（ＣＬＩＰ：画像とテキストの類似度を測定するモデル
潜在拡散を用いたテキストから画像の生成
Ｓｔａｂｌｅ　Ｄｉｆｆｕｓｉｏｎの徹底解説）
４　Ｔｒａｎｓｆｏｒｍｅｒを用いたテキストから画像の生成（ＶＱＧＡＮ：画像を整数のシーケンスに変換する
ＤＡＬＬ‐Ｅの最小限の実装）
５　新たな展開と課題（テキストから画像への変換における新たな展開と課題）
付録　ＰｙＴｏｒｃｈをインストールして、ローカルおよびＣｏｌａｂでＧＰＵトレーニングを有効にする

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。