【G検定過去問風テスト】言葉から絵を描き出す！Text-to-Imageの仕組み
※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
プロンプト（テキストの指示文）を入力すると、その内容に合致した新しい画像をAIが生成するマルチモーダル関連のタスクとして、最も適切なものを1つ選べ。
- A）Text-to-Image
- B）Image Captioning
- C）VQA（Visual Question Answering）
- D）Zero-Shot画像分類
🔍 ここをクリックして正解を見る
- 正解: A）Text-to-Image
💡 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
- Text-to-Image（テキスト画像生成）: 「テキスト（言葉の指示）」を入力すると、AIがゼロから「画像」を作り出すタスク。
- MidjourneyやStable Diffusionなどが代表例で、背景にはCLIPなどの言語・画像共有空間の技術が活用されている。
■ 初学者向け解説（例え話や背景）
Text-to-Imageは、いわば「頭の中にある注文を言葉で伝えると、その場でパッと完璧な絵を描き上げてくれる専属の天才画家」のようなものです。「宇宙飛行士が月面でコーヒーを飲んでいるイラスト、油絵風で」といったテキストの指示（プロンプト）を受け取り、言葉の意味を画像として具現化する、現代のAIブームを象徴する大人気技術です。
■ 選択肢の解説
- A) Text-to-Image（○）: テキストを入力して新しい画像を生成するタスクです。正解です！
- B) Image Captioning（×）: 入力された画像の内容を読み取り、その状況説明の文章を自動生成するタスクです。
- C) VQA（×）: 画像とテキストの質問を入力し、テキストで回答を返すタスクです。
- D) Zero-Shot画像分類（×）: 事前の個別学習なしに、未知の画像クラスを高精度に分類する機械学習の手法です。
👉 次の問題＆解説テキスト
お疲れ様です！
この調子で次の問題に挑戦しますか？
それとも、立ち止まって詳しい解説を確認しますか？
