DALL-E
DALL-Eは、OpenAIが開発した、テキストの指示（プロンプト）から高精度な画像を生成する画像生成AIです。ディープラーニング技術を用いて言葉のニュアンスを理解し、写真やイラスト、アートなどを即座に描き出します。クリエイティブなアイデアの視覚化やデザイン制作を効率化するマルチモーダルAIとして、幅広い分野で活用されています。
マルチモーダルAIのAI用語一覧
5件マルチモーダルAIに関するAI用語を5件掲載しています。意味や使い方、関連用語を一覧から確認できます。
視線入力
視線入力とは、カメラやセンサーを用いてユーザーの視線方向や目の動きを検出し、機器を操作する入力手法です。アイトラッキング技術とコンピュータビジョンなどのAI技術を組み合わせることで、高精度な位置推定が可能となります。身体障害者のコミュニケーション支援や、VR・ARデバイスにおける直感的な操作方法として広く活用されています。
センサ融合
センサ融合とは、カメラやLiDAR、ミリ波レーダーなど複数のセンサから得られるデータを組み合わせて統合処理し、単一のセンサだけでは得られない高精度で信頼性の高い環境認識を実現する技術です。自動運転やロボティクスなどの分野において、悪天候や障害物検知に対する安全性を確保するために不可欠な役割を果たしています。
Gemini
Geminiは、Googleが開発した高性能なマルチモーダルAIおよびその対話型AIサービスの名称です。テキストだけでなく、画像、音声、動画、プログラミングコードなど多様な情報を同時に処理できるように設計されています。検索エンジンや各種Googleサービスとの連携に優れ、高度な推論やコンテンツ生成が可能です。
画像キャプション生成
画像キャプション生成とは、入力された画像の内容を解析し、その状況や対象物を説明する自然言語の文章を自動的に作成するAI技術です。コンピュータビジョンによる画像認識と自然言語処理を組み合わせたマルチモーダルAIの一種であり、視覚障害者向けの音声読み上げ支援や、大量の画像データに対するメタデータ自動付与など幅広く活用されています。