ビジョン認識

画像や動画から物体、顔、シーン、テキストなどを認識し、視覚情報を理解するAI技術。コンピュータビジョンとも呼ばれ、畳み込みニューラルネットワーク（CNN）などの深層学習手法を用いる。医療画像診断、製造業の品質検査、小売業の顧客行動分析、自動運転車のセンシングなど、幅広い分野で活用されている。マルチモーダルAIでは、テキストや音声と組み合わせることで、より高度な状況理解が可能になる。