Image Captioning
Image Captioning は、画像を入力として受け取り、その内容を自然言語で説明する文章(キャプション)を生成するタスクです。 Text-To-Imageと対になるようなタスクです。
画像内の物体や状況、関係性などを視覚的に理解し、それを言語として表現できるマルチモーダルモデルが用いられます。学習には大規模な画像と言語の対応データが使われ、適切なファインチューニングにより、対象物の強調や文体の調整といった多様な要望にも対応できます。Image Captioning は、視覚障害者支援や画像検索、教育資料の自動生成など、多くの分野で活用されているマルチモーダルAIの代表的な応用例です。

👉より体系的に学びたい方は「人工知能基礎」(東京大学松尾豊先生監修)へ
Image Captioning の説明として正しいものを選べ。
人工知能基礎講座を提供中
人工知能の第一人者である東京大学の松尾豊教授が監修した人工知能基礎講座を受講してみませんか?
人工知能の歴史から自然言語処理、機械学習、深層学習といった最先端のトピックやAIに関わる法律問題まで網羅しているので全てのビジネスパーソン・AIの初学者におすすめです。
サンプル動画
AI初学者・ビジネスパーソン向けのG検定対策講座
zero to oneの「E資格」向け認定プログラム
日本ディープラーニング協会の実施するE資格の受験ならzero to oneの「E資格」向け認定プログラム (税込165,000円) をおすすめします。当講座は、東京大学大学院工学系研究科の松尾豊教授と東北大学大学院情報科学研究科の岡谷貴之教授が監修する実践的なプログラムとなっています。
厚生労働省の教育訓練給付制度対象のE資格認定プログラムの中では最安値※となり、実質負担額49,500円~(支給割合70%の場合)で受講可能です。※2023年弊社調べ
