IT用語集 › AI & 機械学習 › コンピュータビジョン (Computer Vision)
画像を理解するAI。物体検出、顔認識、OCR、自動運転などが含まれる。
この10年はCNNアーキテクチャ(2012年のAlexNet)が牽引してきたが、いまの大型モデルは画像にもトランスフォーマー(ViT、CLIP)を使う。マルチモーダルモデルは画像とテキストを併せて扱う。