Pythonで学ぶ画像生成 機械学習実践シリーズ
北田俊輔
インプレス近年の技術の発展により、画像生成技術はますます身近になっています。本書は、今後幅広い分野に応用されうる技術として期待の「画像生成」について、画像生成に関する深層学習技術の基礎と、拡散モデルに焦点を当てて理論と実践を学ぶことを目的としています。
【注意】本書のEPUB版は固定レイアウト型になっております。文字の大きさの変更や検索、引用などはお使いいただけません。画面の大きい端末でご利用ください。
書籍情報
著者: 北田俊輔
発行日: 2025-03-25
最終更新日: 2025-03-25
バージョン: 1.0.0
ページ数: 368ページ(PDF版換算)ページ
対応フォーマット: PDF, EPUB
出版社: インプレス
対象読者
・画像処理のエンジニア・学生 ・AIや機械学習に興味を持ち、画像生成の分野に入門したい人 ・Pythonの基礎知識を持ち、画像生成AIの理論と実践的なスキルを身に付けたい人 ・クリエイティブ産業やデザイン、広告などで画像生成AIを活用したい人
著者について
LINEヤフー株式会社リサーチサイエンティスト・法政大学大学院特任研究員。2023年3月に法政大学大学院理工学研究科を修了。博士（工学）。日本学術振興会特別研究員（DC2）を経て現職。コンピュータビジョンや自然言語処理を始め、その融合領域であるVision&Language分野にて研究に従事。現在はユーザにとって魅力的な画像やデザインの作成を支援するような最先端技術の研究開発に携わる。
目次
本書の前提
目次
序章
- 第1章 画像生成とは？
- 第1節 画像生成の概要
- 第2節 テキストからの画像生成
- 第3節 画像生成技術の進歩による弊害
- コラム：すべてを救うPythonの型ヒント
第2章 深層学習の基礎知識
- 第1節 深層学習の概要
- 第2節 深層学習の訓練と評価
- 第3節 注意機構とTransformerモデル
- コラム：dataclassで万物に型を付けよう
第3章 拡散モデルの導入
- 第1節 生成モデル
- 第2節 DDPM（ノイズ除去拡散確率モデル）
- 第3節 スコアベース生成モデル
- 第4節 拡散モデルの生成品質の向上
- コラム：Pythonのコードを美しく保つには
第4章 潜在拡散モデルとStable Diffusion
- 第1節 LDM（潜在拡散モデル）
- 第2節 CLIP
- 第3節 Stable Diffusionを構成する要素
- 第4節 Stable Diffusion v1
- 第5節 Stable Diffusion v2
- 第6節 Stable Diffusion XL
- 第7節 Stable Diffusion v3
- コラム：深層学習を用いた実験を再現可能にするために気をつけること
第5章 拡散モデルによる画像生成技術の応用
- 第1節 パーソナライズされた画像生成
- 第2節 制御可能な画像生成
- 第3節 拡散モデルによる画像編集
- 第4節 画像生成モデルの学習および推論の効率化
- 第5節 学習済み拡散モデルの効果的な拡張
- 第6節 生成画像の倫理・公平性
- コラム：diffusersのコードを拡張する
第6章 画像生成の今後
- 第1節 拡散モデルの発展に伴う議論
- 第2節 拡散モデルによる画像生成の倫理
- 第3節 画像生成にとどまらない拡散モデルの進化と今後
- コラム：Hugging Faceのエコシステムを使い倒す