【G検定過去問風テスト】Vision Transformer（ViT）とは？自然言語処理を画像に応用した最新モデルを解説

2026年7月29日 2026年7月29日 atsushi_kitazawa

※本記事では、アフィリエイトプログラムより教材を紹介しています。

📝 問題

自然言語処理分野で圧倒的な成果を上げた「Transformer」の仕組みを画像認識に応用し、画像を小さなパッチ（断片）に分割して系列データとして扱い、自己注意機構（Self-Attention）によって画像全体の文脈を捉える革新的なモデルとして、最も適切な選択肢を1つ選べ。

A）Vision Transformer（ViT）
B）MobileNet
C）Faster R-CNN
D）FCN（Fully Convolutional Network）

🔍 ここをクリックして正解を見る

正解: A）Vision Transformer（ViT）

💡 合格に近づく！徹底解説

重要度: ★★★

■ 1分で分かる！この問題の要点

Vision Transformer（ViT）は、ChatGPTなどの自然言語処理で大成功した「Transformer」を画像認識に応用したモデル。
画像をいくつかのタイルのような「パッチ」に切り分け、文章の単語と同じように自己注意機構（Self-Attention）で画像全体の関係性を捉えるのが特徴。

■ 初学者向け解説（例え話や背景）

これまで、画像認識といえば長年「CNN（畳み込みニューラルネットワーク）」が主役でした。CNNは、近所のピクセル同士を重ね合わせながら局所的な特徴（目や鼻のパーツなど）をコツコツ見つけていく得意技を持っています。

しかし、近年ChatGPTなどの登場で世界を変えた自然言語処理の「Transformer」が、「これ、画像認識にも使えるんじゃないか？」ということで応用されたのがVision Transformer（ViT）です。

イメージとしては、「大きなジグソーパズルを一度バラバラのピース（パッチ）にして、それぞれのピースが『どのピースと隣り合っているか』『全体として何の絵を描こうとしているか』を、文章を読むように一気に結びつけて理解する手法」です。CNNのように局所だけでなく、画像全体の大まかな文脈を最初からダイレクトに捉えられるため、従来のCNNを超える高精度をたたき出すのが特徴です。近年のトレンドとしてG検定でも頻出しています！

■ 選択肢の解説

A) Vision Transformer（ViT）（○）: Transformerを画像認識に応用し、パッチに分割して自己注意機構（Self-Attention）で処理するモデルであるためこれが正解です。
B) MobileNet（×）: スマートフォンなどのエッジデバイス向けに計算量を大幅に削減した軽量なCNNモデルです。
C) Faster R-CNN（×）: 領域候補を探してから高精度に物体検出を行う、2ステージ系の代表的なモデルです。
D) FCN（×）: 全結合層を畳み込み層に置き換え、セマンティックセグメンテーションの基礎を築いたモデルです。

リンク