つくりながら学ぶ！画像生成AI 自作入門 | マイナビブックス

つくりながら学ぶ！画像生成AI 自作入門

  • 著作者名：Mark Liu
  • 翻訳者名：Smoky
  • 監訳者名：IPUSIRON
    • 書籍：4,180円
    • 電子版：4,180円
  • B5変：376ページ
  • ISBN：978-4-8399-90299
  • 発売日：2026年07月24日
  • mixiチェック
  • このエントリーをはてなブックマークに追加

内容紹介

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！

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。

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

電子版の購入は姉妹サイト「IT書籍ストア Manatee」がオススメ！
充実のラインナップに加え、割引セールも定期的に実施中！

商品を選択する

フォーマット 価格 備考
書籍 4,180 円
PDF 4,180 円 ※ご購入後、「マイページ」からファイルをダウンロードしてください。
※ご購入された電子書籍には、購入者情報、および暗号化したコードが埋め込まれております。
※購入者の個人的な利用目的以外での電子書籍の複製を禁じております。無断で複製・掲載および販売を行った場合、法律により罰せられる可能性もございますので、ご遠慮ください。

電子書籍フォーマットについて

　　

備考

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。

[翻訳]　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。

[監訳]　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。

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

最近チェックした商品