内容紹介：Ｍａｎｎｉｎｇ『Ｂｕｉｌｄ　ａ　Ｔｅｘｔ－ｔｏ－Ｉｍａｇｅ　Ｇｅｎｅｒａｔｏｒ　（ｆｒｏｍ　Ｓｃｒａｔｃｈ）』の翻訳書。画像生成ＡＩ　Ｓｔａｂｌｅ　ＤｉｆｆｕｓｉｏｎやＤＡＬＬの元となった拡散モデル（ｄｉｆｆｕｓｉｏｎ　ｍｏｄｅｌ、ＤＭ）およびＶｉｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒ（ＶｉＴ）をＰｙＴｏｒｃｈでコード実装、ＡＩ開発に不可欠なテクニックをステップアップで習得していきます。
ＤＡＬＬ・Ｅ３やＭｉｄｊｏｕｒｎｅｙなどの画像生成ＡＩはどのようにして動くのか？その仕組みを解き明かします。文章から高解像度画像を生成するモデルを構築。プロンプトに基づいて画像を編集。画像分類を行うＶｉｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒ（ＶｉＴ）を構築。分類、テキスト生成、画像生成に合わせてＬＬＭを微調整。本物の画像とディープフェイクをより正確に判定する。
もくじ情報：１　注意機構（Ａｔｔｅｎｔｉｏｎ）とＴｒａｎｓｆｏｒｍｅｒを理解する（２つのモデルの物語：Ｔｒａｎｓｆｏｒｍｅｒと拡散；Ｔｒａｎｓｆｏｒｍｅｒを構築する；Ｖｉｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒで画像を分類する；画像にキャプションを追加する）；２　拡散モデル入門（拡散モデルによる画像生成；拡散モデルで生成する画像を制御する；拡散モデルによる高解像度画像の生成）；３　拡散モデルを用いたテキスト画像生成（ＣＬＩＰ：画像とテキストの類似度を測定するモデル；潜在拡散を用いたテキストから画像の生成；Ｓｔａｂｌｅ　Ｄｉｆｆｕｓｉｏｎの徹底解説）；４　Ｔｒａｎｓｆｏｒｍｅｒを用いたテキストから画像の生成（ＶＱＧＡＮ：画像を整数のシーケンスに変換する；ＤＡＬＬ‐Ｅの最小限の実装）；５　新たな展開と課題（テキストから画像への変換における新たな展開と課題）；付録　ＰｙＴｏｒｃｈをインストールして、ローカルおよびＣｏｌａｂでＧＰＵトレーニングを有効にする

リウ，マーク(リウ，マーク)
ケンタッキー大学　金融学教授、金融学修士課程の創設ディレクター。ボストン・カレッジでファイナンスの博士号を取得