関連サイト
本書の関連ページが用意されています。
内容紹介
画像生成AI DALL-EやMidjourneyなどの画像生成はどのようにして動くのか？ 拡散モデル（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
文章から画像が生成される仕組みをハンズオン形式で解説。章を追うごとにTransformer ベースの画像生成モデル「ミニDALL-E」を、自分の手で一から構築します。ディープフェイク検出ではResNet50のファインチューニングにより、9 割を超える精度で実物と偽物を分類、その有効性を具体的に示します。画像生成AIの仕組みをブラックボックスのままにせず、実装を学びたい人におすすめの一冊です。
Manning『Build a Text-to-Image Generator (from Scratch)』の翻訳書。
書誌情報
- 著者: Mark Liu(著), Smoky(訳), IPUSIRON(監訳)
- 発行日: 2026-07-24
- 最終更新日: 2026-07-24
- バージョン: 1.0.0
- ページ数: 376
- 対応フォーマット: PDF
- 出版社: マイナビ出版
対象読者
著者について
Mark Liu
Mark Liu （マーク・リウ）：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。著書に『Make Python Talk 』(No Starch Press, 2021年)、『Machine Learning, Animated』(CRC Press, 2023年)、『AlphaGo Simplified』(CRC Press, 2024 年)、『Learn Generative AI with PyTorch』(Manning, 2024 年) の4 タイトルがある。ボストン・カレッジでファイナンスの博士号を取得。『Journal of Financial Economics』、『Journal of Financial and Quantitative Analysis』、『Management Science』に研究論文を発表している。
Smoky
Smoky： 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診断AIを研究中。『サイバーセキュリティの教科書』他を翻訳。
IPUSIRON
IPUSIRON： 福島県相馬市在住。福島県相馬市在住。2001年に『ハッカーの教科書』（データハウス） を上梓。主な著書に『ハッキング・ラボのつくりかた 完全版』『暗号技術のすべて』（翔泳社）、共著に『「技術書」の読書術』（翔泳社） 、翻訳に『暗号解読実践ガイド』（マイナビ出版）がある。