Ｃｏｍｐａｓｓ Ｄａｔａ Ｓｃｉｅｎｃｅ つくりながら学ぶ！画像生成ＡＩ自作入門

個数：

電子版価格
¥4,180

電子版あり

Ｃｏｍｐａｓｓ　Ｄａｔａ　Ｓｃｉｅｎｃｅ
つくりながら学ぶ！画像生成ＡＩ自作入門

Ｌｉｕ，Ｍａｒｋ【著】/Ｓｍｏｋｙ【訳】/ＩＰＵＳＩＲＯＮ【監訳】
価格 ¥4,180（本体¥3,800）
マイナビ出版（2026/07発売）
ポイント 38pt

提携先に29冊在庫がございます。（2026年11月15日 00時18分現在）
通常、5～7日程度で出荷されます。
※納期遅延や、在庫切れで解約させていただく場合もございます。
※1回のご注文は10冊までとなります
出荷予定日とご注意事項
※上記を必ずご確認ください

【出荷予定日】
通常、5～7日程度で出荷されます。

【ご注意事項】 ※必ずお読みください
◆在庫数は刻々と変動しており、ご注文手続き中に減ることもございます。
◆在庫数以上の数量をご注文の場合には、超過した分はお取り寄せとなり日数がかかります。入手できないこともございます。
◆事情により出荷が遅れる場合がございます。
◆お届け日のご指定は承っておりません。
◆「帯」はお付けできない場合がございます。
◆画像の表紙や帯等は実物とは異なる場合があります。
◆特に表記のない限り特典はありません。
◆別冊解答などの付属品はお付けできない場合がございます。
●3Dセキュア導入とクレジットカードによるお支払いについて
●店舗受取サービス（送料無料）もご利用いただけます。
ご注文ステップ「お届け先情報設定」にてお受け取り店をご指定ください。尚、受取店舗限定の特典はお付けできません。詳細はこちら

サイズ B5判／ページ数 376p／高さ 19X24cm
商品コード 9784839990299
NDC分類 007.64
Cコード C3055

出版社内容情報

画像生成AI Stable DiffusionやDALLの元となった拡散モデル（diffusion model、DM）およびVision Transformer（ViT）をPyTorchでコード実装、AI開発に不可欠なテクニックをステップアップで習得していきます。文章から画像を生成できる独自のAIモデルをゼロから構築しよう！

・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

Manning『Build a Text-to-Image Generator (from Scratch)』の翻訳書。

Part 1　注意機構（Attention）とTransformerを理解する
第1章　2つのモデルの物語：Transformerと拡散
第2章　Transformerを構築する
第3章　Vision Transformerで画像を分類する
第4章　画像にキャプションを追加する

Part 2　拡散モデル入門
第５章　拡散モデルによる画像生成
第６章　拡散モデルで生成する画像を制御する
第７章　拡散モデルによる高解像度画像の生成

Part 3 拡散モデルを用いたテキスト画像生成
第8章　CLIP：画像とテキストの類似度を測定するモデル
第9章　潜在拡散を用いたテキストから画像の生成
第10章　Stable Diffusion の徹底解説

Part 4　Transformerを用いたテキストから画像の生成
第11章　VQGAN：画像を整数のシーケンスに変換する
第12章　DALL-Eの最小限の実装

Part 5新たな展開と課題
第13章　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

【目次】

Part 1　注意機構（Attention）とTransformerを理解する
第1章　2つのモデルの物語：Transformerと拡散
第2章　Transformerを構築する
第3章　Vision Transformerで画像を分類する
第4章　画像にキャプションを追加する

Part 2　拡散モデル入門
第５章　拡散モデルによる画像生成
第６章　拡散モデルで生成する画像を制御する
第７章　拡散モデルによる高解像度画像の生成

Part 3 拡散モデルを用いたテキスト画像生成
第8章　CLIP：画像とテキストの類似度を測定するモデル
第9章　潜在拡散を用いたテキストから画像の生成
第10章　Stable Diffusion の徹底解説

Part 4　Transformerを用いたテキストから画像の生成
第11章　VQGAN：画像を整数のシーケンスに変換する
第12章　DALL-Eの最小限の実装

Part 5新たな展開と課題
第13章　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

内容説明

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。

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

著者等紹介

リウ，マーク［リウ，マーク］［Ｌｉｕ，Ｍａｒｋ］
ケンタッキー大学　金融学教授、金融学修士課程の創設ディレクター。ボストン・カレッジでファイナンスの博士号を取得

Ｓｍｏｋｙ［スモーキー］
ゲーム会社他数社の代表。サイバーセキュリティと機械学習の研究がライフワーク。大学院博士課程で医用画像分析ＡＩを研究中

ＩＰＵＳＩＲＯＮ［イプシロン］
２００１年に『ハッカーの教科書』（データハウス）を上梓（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。