DALL-Eの役割
問題
DALL-Eについて、誤っている記述を1つ選べ。
解説
DALL-E（ダリ）は、OpenAIが開発した、テキスト（プロンプト）を入力するとそれに応じた画像を生成する「Text-to-Image」のマルチモーダルAIです。
初代DALL-EはTransformerアーキテクチャをベースにしており、CLIPの技術と組み合わせることで、「アボカドの形をした椅子」や「宇宙でチェスをする猫」といった、現実には存在しない抽象的・非現実的な概念であっても、人間が指示したテキストの意図を正確に汲み取って高品質な画像として出力（生成）できるのが最大の特徴です。
1. DALL-Eはテキストを入力として画像を生成するモデルである。
正しい：ユーザーが入力した自然言語のテキスト（プロンプト）を理解し、その内容に合致する画像をゼロから生成するAIです。
2. DALL-Eは抽象的な概念や架空の物体も画像化できる。
正しい：単に存在するものを描くのではなく、複数の概念を組み合わせて「架空の物体や状況」を創造的に描画する能力に優れています。
3. DALL-Eは画像を入力としてテキストを生成するモデルである。
誤り：画像を入力としてテキスト（説明文）を生成するタスクは「Image Captioning（画像キャプション生成）」と呼ばれます。DALL-Eはその逆（テキストから画像生成）です。
4. DALL-Eは生成モデルであり、GANではなくTransformer系のアーキテクチャを利用している。
正しい：画像生成といえばGANが主流でしたが、DALL-Eは言語モデルで成功したTransformerアーキテクチャ（自己回帰によるトークン生成）を画像生成に持ち込んで成功した画期的なモデルです。
📚 より詳細を学びたい方へ
同じカテゴリの問題
- tanh関数の理解
- 勾配消失問題と活性化関数の関係
- エポック（Epoch）とイテレーションの理解
- 鞍点（Saddle Point）の理解
- ストライド（stride）の理解
- BPTTの理解
- 位置エンコーディングの理解
- MixupおよびCutMixの理解
- 物体識別と物体検出の違い
- セマンティックセグメンテーションの特徴
- インスタンスセグメンテーションの理解
- パノプティックセグメンテーションの特徴
- 姿勢推定（Pose Estimation）の理解
- AlexNetの特徴
- GoogLeNet（Inception）の理解
- VGGの構造的特徴
- ResNetの残差学習の理解
- Wide ResNetの特徴
- DenseNetの密結合構造
- EfficientNetとMobileNetの理解
- NAS（ニューラルアーキテクチャ探索）の特徴
- MnasNetの探索戦略
- NASNetのセル構造
- SENet（Squeeze-and-Excitation Network）の理解
- Vision Transformer（ViT）の特徴
- Fast R-CNNの処理構造
- Faster R-CNNのRPN
- Mask R-CNNの追加機能
- SSD（Single Shot MultiBox Detector）の特徴
- YOLO（You Only Look Once）の特徴
- FPN（Feature Pyramid Network）の理解
- FCN（Fully Convolutional Network）の特徴
- OpenPoseとPart Affinity Fields
- BERTの事前学習タスク
- Bag-of-Words（BoW）の特徴
- word2vecの理解
- fastTextのサブワード学習
- CBOW（Continuous Bag-of-Words）の特徴
- skip-gramの特徴
- CEC（Constant Error Carousel）の役割
- ELMoの文脈化表現
- GPTモデルの学習方式
- PaLMの理解
- Seq2Seqモデルの構造
- TF-IDFの重要度計算
- 形態素解析の役割
- 構文解析の目的
- 感情分析の特徴
- 文書要約の種類
- A-D変換（アナログ-デジタル変換）のプロセス
- WaveNetの特徴
- 音韻の理解
- 音声認識の基本
- 音素の理解
- 隠れマルコフモデル（HMM）の特徴
- 高速フーリエ変換（FFT）の理解
- スペクトル包絡の特徴
- PCM（パルス符号変調）の理解
- MFCC（メル周波数ケプストラム係数）の特徴
- CTC（Connectionist Temporal Classification）の理解
- A3C（Asynchronous Advantage Actor-Critic）の特徴
- Agent57の特徴
- APE-Xの理解
- DQN（Deep Q-Network）の理解
- Double DQNの理解
- Dueling Networkの特徴
- PPO（Proximal Policy Optimization）の理解
- OpenAI Fiveの特徴
- AlphaStarの理解
- sim2realの課題
- ドメインランダマイゼーションの理解
- ノイジーネットワークの特徴
- 報酬成形（Reward Shaping）の理解
- GAN（敵対的生成ネットワーク）の理解
- DCGANの特徴
- Diffusion Modelの理解
- NeRF（Neural Radiance Fields）の特徴
- Pix2Pixの理解
- CycleGANの特徴
- StyleGANの理解
- データ生成タスクの応用
- 転移学習の基本概念
- ファインチューニングの特徴
- Few-shot / One-shot 学習の理解
- 自己教師あり学習の役割
- 破壊的忘却（Catastrophic Forgetting）
- 半教師あり学習の特徴
- マルチモーダルAIの基本理解
- CLIPの特徴理解
- DALL-Eの役割
- Visual Question Answeringの理解
- zero-shot推論の理解
- マルチタスク学習の特徴
- CAMの特徴に関する問題
- Grad-CAMの理解
- LIMEの特徴
- SHAPの特徴理解
- 知識蒸留の理解
- プルーニングの理解
- 量子化の理解
- 説明可能AI（XAI）の理解