ResNet[2015] 系のモデリングが中心だった画像処理にも2020年頃からTransformerの本格的な導入が検討され始めました。ResNetはCNNとResidual Netが特徴ですが、CNNはあくまで局所特徴量の延⻑線上のモデリングであり、画像全体を横断する意味的な処理を行うことができません。そこに対しTransformerを導入することでパフォーマンスの向上が期待されています。 上記を受けて本書では画像処理へのTransformerの導入について取りまとめました。具体的にはViTの論文などを中心にまとめました。現行の第2版の定価は1,200円ですが、都度割引セールを行う予定です。