マルチモーダルモデル入門

技術評論社
栗田修平 品川政太朗 柳凜太郎

• 価格: 3,960円（本体3,600円＋税）
• 発行年月: 2026年09月
• 判型: Ｂ５変
• ISBN: 9784297158361

内容情報

[日販商品データベースより]

本書は、画像や音声、動画など複数の異なるデータを扱う「マルチモーダルモデル」の入門書です。
自動運転やロボット、AIエージェントなど、実世界の複雑な情報を理解して人間と円滑にコミュニケーションをとるための最先端技術の基礎知識からその仕組みまでを体系的に解説します。共通基盤となるTransformerの基礎からはじめ、視覚・音声・動画・3次元データの各モデルにふれたうえで、画像・音声・自然言語の融合モデルを解説します。
マルチモーダルモデルを用いた研究や開発に応用できる確かな力が身につく一冊です。