内容紹介：自然言語処理分野におけるブレイクスルーとなったTransformerをコンピュータビジョンに応用したモデルがVision Transformer（ViT）です。さまざまなコンピュータビジョンのタスクにおいて、ディープラーニングではスタンダードとなっているRNN、CNN、および既存手法を用いた処理精度を上回ることが確認されています。本書は注目のViTの入門書です。Transformerの成り立ちからはじめ、その理論と実装を解説していきます。今後のViTの活用が期待される応用タスク、ViTから派生したモデルを紹介したあと、TransoformerとViTを分析し、その謎を解明していきます。今後も普及が期待されるViTを盛りだくさんでお届けします。目次1章 TransformerからViTへの進化2章 Vision Transformerの基礎と実装3章 実験と可視化によるViTの探求4章 コンピュータビジョンへの応用5章 Vision and Languageへの応用6章 ViTの派生手法7章 Transformerの謎を読み解く8章 Vision Transformerの謎を読み解く
もくじ情報：第１章　ＴｒａｎｓｆｏｒｍｅｒからＶｉｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒへの進化；第２章　Ｖｉｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒの基礎と実装；第３章　実験と可視化によるＶｉｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒの探求；第４章　コンピュータビジョンへの応用；第５章　Ｖｉｓｉｏｎ　ａｎｄ　Ｌａｎｇｕａｇｅへの応用；第６章　Ｖｉｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒの派生手法；第７章　Ｔｒａｎｓｆｏｒｍｅｒの謎を読み解く；第８章　Ｖｉｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒの謎を読み解く

片岡　裕雄(カタオカ　ヒロカツ)
国立研究開発法人産業技術総合研究所人工知能研究センター主任研究員。２０１４年慶應義塾大学大学院理工学研究科後期博士課程修了、博士（工学）。２０２０年１０月より国立研究開発法人産業技術総合研究所主任研究員。画像認識、動画解析、人物行動解析に従事。２０１１／２０２０年ＶＩＥＷ小田原賞、２０１９年度産総研論文賞、ＡＣＣＶ　２０２０　ＢＥＳＴ　ＰＡＰＥＲ　ＨＯＮＯＲＡＢＬＥ　ＭＥＮＴＩＯＮ　ＡＷＡＲＤ受賞