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

著者プロフィール

• Mark Liu（著者）

  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。

• IPUSIRON（監訳）

  [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。

• Smoky（翻訳）

  [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。