コンピューター ビジョンと画像生成の要点整理と想定問題

正解: C 【A（不正解）】 ？ モデルへの最初の指示に、名前だけを書く方法です。 ファイル名だけでは画像の中身はモデルに届かない。 【B（不正解）】 ？ 音声合成の読み方を指定する書き方です。 SSML は読み上げを調整するためのもので、画像を渡す仕組みではない。 【C（正解）】 ？ 1 つのメッセージに文章と画像をまとめて入れる方法です。 content にはテキストと画像を含む配列を入れられる。画像は公開 URL か base64 で渡す。 【D（不正解）】 ？ 画像から文字を読み取る機能です。 写真に文字が無ければ何も残らない。ビジョン対応モデルは画像を直接受け取れる。

出典: ビジョン対応チャット モデルを使用する方法

正解: A 【A（正解）】 ？ 画像を細かい区画に分けて、詳しく見る設定です。 high では低解像度の全体を見たあと、512 x 512 の区画ごとに詳しく解釈する。トークンは多く使う。 【B（不正解）】 ？ 512 x 512 の低解像度の画像だけを見る設定です。 速くトークンも少ないが、物体や文字の認識の精度に影響することがある。 【C（不正解）】 ？ 出力のばらつきを大きくする設定です。 答えがランダムになるだけで、画像の見え方は変わらない。 【D（不正解）】 ？ 1 回の応答の長さの上限を決める設定です。 応答が短く切れやすくなるだけで、細部を読む力は上がらない。

出典: ビジョン対応チャット モデルを使用する方法（イメージの詳細レベルを構成する）

正解: D 【A（不正解）】 ？ 1 回に 1 つだけという数です。 公式の上限は 1 枚ではない。複数の画像を同じ要求に含められる。 【B（不正解）】 ？ かなり多い枚数です。 公式の上限より大きい数である。 【C（不正解）】 ？ いくらでも送れるという考え方です。 上限は定められている。 【D（正解）】 ？ 2 桁の小さめの枚数です。 ポータルでも API でも、1 回のチャット呼び出しで送れる画像は 10 枚までである。

出典: ビジョン対応チャット モデルを使用する方法（入力の制限事項）

正解: B 【A（不正解）】 ？ 低解像度で画像を見る設定です。 解像度の設定を変えても、モデル側から URL に届かない問題は解決しない。 【B（正解）】 ？ 画像のデータそのものを文字列にして送る方法です。 画像 URL は公開されている必要があり、VNet などで制限された URL は使えない。base64 なら URL を経由しない。 【C（不正解）】 ？ 同じ要求を繰り返す方法です。 届かない URL を何度送っても結果は変わらない。 【D（不正解）】 ？ 動く画像の形式に変える方法です。 GIF は最初のフレームしか使われない。URL に届かない問題とも関係しない。

出典: ビジョン対応チャット モデルを使用する方法（画像形式と URL の条件）

正解: A 【A（正解）】 ？ 1 回の応答で作るトークン数の上限です。 length は上限に達して出力が不完全になった印である。公式も max_tokens か max_completion_tokens の設定を求めている。 【B（不正解）】 ？ 有害な内容を検出して止める仕組みです。 フィルターで省かれた場合の finish_reason は content_filter で、length ではない。 【C（不正解）】 ？ 送る画像の枚数を増やす方法です。 1 回の要求は 10 枚までで、枚数を増やしても途切れる問題は解決しない。 【D（不正解）】 ？ 低解像度で画像を見る設定です。 入力のトークンは減るが、出力の上限に達する問題は直らない。

出典: ビジョン対応チャット モデルを使用する方法（出力）

正解: C 【A（不正解）】 ？ テキストや画像から新しい画像を作るモデルです。 出力は画像で、画像の内容を文章で答える用途とは違う。 【B（不正解）】 ？ チャットに音声の入出力を加えるモデルです。 音声を扱うためのモデルで、画像の理解を目的としたものではない。 【C（正解）】 ？ 画像を受け取り、テキストで答えられるチャット モデルです。 公式では、o シリーズ・GPT-5 シリーズ・GPT-4.1 シリーズ・GPT-4o シリーズなどがビジョン対応モデルである。 【D（不正解）】 ？ 自分の画像とラベルで学習させるサービスです。 決めたラベルを付ける分類や物体検出のためのもので、自由な文章では答えない。

出典: ビジョン対応チャット モデルを使用する方法

正解: A 【A（正解）】 ？ テキストと画像を入力に、画像を出力するモデルの系列です。 gpt-image シリーズは、テキストの指示と任意の画像から画像を作成・編集できる。 【B（不正解）】 ？ 画像から文字を読み取る機能です。 既存の画像から文字を取り出す機能で、新しい画像は作らない。 【C（不正解）】 ？ 画像の各部分に説明文を付ける機能です。 画像を説明する機能で、新しい画像の生成はしない。 【D（不正解）】 ？ 画像の中の顔を見つける機能です。 顔の位置を返す機能で、画像は生成しない。

出典: OpenAI からイメージ生成モデルを使用する方法

正解: C 【A（不正解）】 ？ 古い資料の手順をそのまま使う方法です。 dall-e-3 は 2026 年 3 月 4 日に廃止され、新しいデプロイでは使えない。 【B（不正解）】 ？ 自分の画像で学習させる画像認識のサービスです。 分類や物体検出のためのサービスで、画像は生成しない。 【C（正解）】 ？ 現在の OpenAI の画像生成モデルの系列です。 公式は、dall-e-3 の廃止に伴い gpt-image シリーズで画像を生成するよう案内している。 【D（不正解）】 ？ 画像から特徴を取り出すサービスです。 画像を分析する機能で生成はしない。4.0 は 2028 年 9 月 25 日に廃止予定でもある。

出典: OpenAI からイメージ生成モデルを使用する方法（DALL-E の廃止）

正解: B 【A（不正解）】 ？ テキストの指示だけで新しい画像を作る方法です。 元の写真を入力にしないため、商品そのものの見た目を保てない。 【B（正解）】 ？ 元画像と、編集範囲を示す画像を入力にして編集する方法です。 マスクの完全に透明なピクセルが編集する範囲を示す。マスクは入力画像と同じサイズの PNG にする。 【C（不正解）】 ？ 指定した縦横比で関心領域の座標を返す機能です。 切り抜く位置を返すだけで、背景を描き直すことはできない。 【D（不正解）】 ？ 画像から文字を読み取る機能です。 文字を取り出す機能で、画像の編集はしない。

出典: OpenAI からイメージ生成モデルを使用する方法（画像編集・マスク）

正解: D 【A（不正解）】 ？ 画像の置き場所を示すアドレスです。 GPT-image-1 シリーズは URL を返さない。URL で返すのは旧来の DALL-E のモデルである。 【B（不正解）】 ？ 返し方の形式を選ぶパラメーターです。 response_format は、常に base64 を返す GPT-image-1 シリーズではサポートされない。 【C（不正解）】 ？ 通信の付帯情報に入った名前です。 画像は応答本文に入って返る。ヘッダーのファイル名を使う仕組みではない。 【D（正解）】 ？ base64 で文字列にした画像のデータです。 GPT-image-1 シリーズは、常に base64 でエンコードした画像を b64_json で返す。

出典: OpenAI からイメージ生成モデルを使用する方法（出力）

正解: B 【A（不正解）】 ？ JPEG 形式で、圧縮の度合いを決める設定です。 JPEG は透明を扱えない。透明な背景には PNG の出力が必要である。 【B（正解）】 ？ 背景の扱いと、出力する画像の形式を決める設定です。 公式では background を transparent にし、出力形式を PNG にすると透明な背景の画像が得られる。 【C（不正解）】 ？ 画質と生成時間の兼ね合いを決める設定です。 画質の設定で、背景の透明とは関係しない。 【D（不正解）】 ？ 1 回の要求で作る画像の枚数です。 枚数が増えるだけで、背景は透明にならない。

出典: OpenAI からイメージ生成モデルを使用する方法（透明性）

正解: A 【A（正解）】 ？ 画像編集の要求で指定する、入力画像の扱いに関する設定です。 input_fidelity を高くすると顔が標準より正確に保たれる。ただし gpt-image-1-mini はこの設定に対応しない。 【B（不正解）】 ？ ビジョン対応モデルで画像を細かく見る設定です。 detail は画像を入力として読むチャット モデルの設定で、画像編集の顔の保ち方は決めない。 【C（不正解）】 ？ 出力のばらつきを抑える設定です。 画像編集で顔の特徴を保つための設定ではない。 【D（不正解）】 ？ カメラの前の顔が本物かを判定する機能です。 なりすまし対策の機能で、編集で顔を保つ効果はない。

出典: OpenAI からイメージ生成モデルを使用する方法（入力の忠実度）

正解: C 【A（不正解）】 ？ 認証の秘密の文字列を作り直す方法です。 認証の失敗なら 401 が返る。安全システムによる停止はキーを変えても直らない。 【B（不正解）】 ？ 時間を置いて再試行する方法です。 待つのはレート制限の 429 への対応である。同じプロンプトは再び止められる。 【C（正解）】 ？ 依頼の文面そのものを直す方法です。 プロンプトが有害と判断されると画像は生成されず、contentFilter が返る。公式はポリシーに沿うよう直すよう案内している。 【D（不正解）】 ？ 画像の大きさを変える設定です。 大きさを変えても、内容に対するフィルターの判定は変わらない。

出典: OpenAI からイメージ生成モデルを使用する方法（コンテンツ フィルター）

正解: A 【A（正解）】 ？ 何を描くかと、どう見せるかを伝える書き方です。 公式は、画像に表示するコンテンツとビジュアル スタイルをプロンプトに書くよう説明している。 【B（不正解）】 ？ 使うモデルの名前だけを伝える方法です。 内容が指示されないため、意図した画像になりにくい。 【C（不正解）】 ？ テキストの出力の形を決める方法です。 JSON スキーマはテキスト出力の形を決めるもので、画像の内容は伝わらない。 【D（不正解）】 ？ 何を描くかをあいまいにする書き方です。 内容があいまいだと、狙った画像が得られない。フィルターは避けるものではなく、ポリシーに沿って書く。

出典: OpenAI からイメージ生成モデルを使用する方法（効果的なテキストから画像へのプロンプトを記述する）

正解: D 【A（不正解）】 ？ デプロイごとに決まった利用量の上限です。 レート制限を超えた場合は 429 エラーになる。このメッセージとは違う。 【B（不正解）】 ？ 認証に使う秘密の文字列の状態です。 認証の問題なら 401 エラーになる。 【C（不正解）】 ？ 画像編集で描き直す範囲を示す画像です。 マスクは編集の要求の条件で、生成された画像のフィルターとは関係しない。 【D（正解）】 ？ 出力された画像を安全システムが確認した結果です。 入力だけでなく出力もモデレーションされる。生成画像が止められると、このメッセージが返る。

出典: OpenAI からイメージ生成モデルを使用する方法（責任ある AI とエラー）

正解: B 【A（不正解）】 ？ 入口だけを見張る仕組みです。 公式は、すべての画像生成モデルで入力と出力の両方をモデレーションすると説明している。 【B（正解）】 ？ 特定の種類の写実的な画像についての既定の扱いです。 公式に、未成年のフォトリアルな画像は既定でブロックされると書かれている。 【C（不正解）】 ？ 安全の仕組みを自分で外せるという考え方です。 フィルターの変更は申請フォームを通じた要求になる。誰でも自由に外せるものではない。 【D（不正解）】 ？ 編集の要求だけを例外にする考え方です。 プロンプトと画像はコンテンツ ポリシーに基づいて確認される。編集だけを外す記述は無い。

出典: OpenAI からイメージ生成モデルを使用する方法（責任ある AI）

正解: C 【A（不正解）】 ？ 1 回の要求で作る画像の枚数です。 枚数を増やすと処理が重くなり、待ち時間はかえって増えやすい。 【B（不正解）】 ？ 画質を上げる設定です。 画質を上げると生成に時間がかかりやすい。画質は変えない条件にも反する。 【C（正解）】 ？ 完成前の画像を順に受け取る仕組みです。 ストリーミングでは最終結果の前に 1〜3 枚の部分画像が返り、利用者に早く手応えを示せる。 【D（不正解）】 ？ 背景を透明にする設定です。 背景の扱いを変えるだけで、待ち時間の感じ方は変わらない。

出典: OpenAI からイメージ生成モデルを使用する方法（ストリーミング）

正解: D 【A（不正解）】 ？ 誰でも使える提供状態という読み方です。 一般提供（GA）なのは GPT-image-2 などで、GPT-image-1 はそうではない。 【B（不正解）】 ？ 提供が終わったという読み方です。 廃止されたのは dall-e-3 である。GPT-image-1 は廃止されていない。 【C（不正解）】 ？ 顔認識の利用申請の窓口です。 Face の登録フォームは顔認識機能のためのもので、画像生成モデルの申請先ではない。 【D（正解）】 ？ 申請して認められた利用者だけが使える提供のしかたです。 公式の表では GPT-image-1 は制限付きアクセスのプレビューで、アクセスの申請が必要である。

出典: OpenAI からイメージ生成モデルを使用する方法（モデルと機能）

正解: A 【A（正解）】 ？ 画像分析 4.0 に含まれる、文字を読み取る機能です。 公式の選び分けでは、一般の画像には画像の OCR（バージョン 4.0）を勧めている。同期 API で体験に組み込みやすい。 【B（不正解）】 ？ 文字の多いスキャン文書やデジタル文書向けの読み取りです。 書籍やレポートなど文書向けで、非同期 API である。その場で写真を読む用途には画像の OCR が合う。 【C（不正解）】 ？ 自分の画像で学習させ、ラベルを付ける機能です。 画像にラベルを付けるだけで、文字列は読み取らない。 【D（不正解）】 ？ 人の顔を見つけるサービスです。 顔のためのサービスで、文字の読み取りはしない。

出典: OCR - 光学式文字認識（OCR (Read) エディション）

正解: C 【A（不正解）】 ？ チャットで画像の内容を答えさせる方法です。 1 回 10 枚までという制限があり、大量の文書処理の手段として公式が示す方法ではない。 【B（不正解）】 ？ 画像の特徴にタグを付ける機能です。 タグを返すだけで、本文の文字は取り出さない。 【C（正解）】 ？ Document Intelligence が提供する、文字を読み取る事前構築済みモデルです。 公式は、スキャンやデジタルの文書には Document Intelligence の読み取りモデルを勧めている。非同期 API で大規模処理に向く。 【D（不正解）】 ？ テキストの指示から新しい画像を作る技術です。 画像を作る技術で、文字の抽出には使わない。

出典: OCR - 光学式文字認識（OCR (Read) エディション）

正解: B 【A（不正解）】 ？ 写真全体を 1 つの文で説明する機能です。 全体の説明は 1 つだけで、個々の物体ごとの説明と位置は返らない。 【B（正解）】 ？ 画像の中の物体ごとに説明文を作る機能です。 高密度キャプションは、見つけた物体ごとにキャプションとバウンディング ボックスの座標を返す。 【C（不正解）】 ？ 指定した縦横比で関心領域を返す機能です。 切り抜く位置を返すだけで、物体ごとの説明文は作らない。 【D（不正解）】 ？ 画像と文章を同じベクトルに変える機能です。 文章で画像を探すためのベクトルを作る機能で、説明文は返さない。

出典: 画像分析とは（画像キャプションを生成する）

正解: C 【A（不正解）】 ？ すでに使えなくなったという日付です。 2026 年 3 月 4 日に廃止されたのは画像生成の dall-e-3 である。 【B（不正解）】 ？ ずっと提供され続けるという見方です。 画像分析 4.0 は非推奨で、廃止日が告知されている。 【C（正解）】 ？ 将来の決まった日に提供が終わるという告知です。 公式は、画像分析 4.0 が非推奨となり 2028 年 9 月 25 日に廃止され、その後の呼び出しは失敗すると告知している。 【D（不正解）】 ？ 2029 年の春の日付です。 2029 年 3 月 31 日は、Azure Language の感情分析などの廃止予定日である。

出典: Foundry Tools の Azure Vision とは

正解: A 【A（正解）】 ？ 指定した縦横比に合う関心領域の座標を返す機能です。 画像の内容を分析し、指定した縦横比に合う関心領域の座標を返す。アプリはその座標で画像を切り抜ける。 【B（不正解）】 ？ 写真に写る人の位置を返す機能です。 人の位置は分かるが、指定した縦横比の切り抜き範囲は返さない。 【C（不正解）】 ？ 前景と背景を分けて背景を消す機能です。 画像分析 4.0 の背景削除は 2025 年 3 月 31 日に廃止されている。 【D（不正解）】 ？ 画像の中の文字を取り出す機能です。 文字を取り出す機能で、サムネイルの範囲は決めない。

出典: 画像分析とは（関心領域/スマート クロップを取得する・背景の削除）

正解: D 【A（不正解）】 ？ 同じサービスの古い版を使う方法です。 廃止は 3.2 と 4.0 の両方の Image Analysis API が対象である。古い版に移っても解決しない。 【B（不正解）】 ？ 自分の画像で学習させる画像認識のサービスです。 Custom Vision も 2028 年 9 月 25 日までのサポートで提供終了が予定され、移行が勧められている。 【C（不正解）】 ？ テキストを別の言語に訳すサービスです。 翻訳は説明文を作る代わりにならない。 【D（正解）】 ？ 生成 AI で画像を理解し、内容を取り出す選択肢です。 移行ガイドは、残りの画像分析の用途に Foundry の GPT モデル シリーズと Content Understanding を挙げている。

出典: Foundry Tools で Azure Vision から移行する - 画像分析／Custom Vision とは

正解: B 【A（不正解）】 ？ 顔を登録済みの人物と照合して特定する機能です。 人物の特定まで行う Face の機能で、照合は不要という条件に合わない。 【B（正解）】 ？ 写っている人の位置と確からしさを返す機能です。 人物検出は、検出した各人物のバウンディング ボックスの座標と信頼度スコアを返す。 【C（不正解）】 ？ テキストの指示から画像を作る技術です。 画像を作る技術で、写っている人の位置は分からない。 【D（不正解）】 ？ 画像から文字を読み取る技術です。 文字を読む技術で、人の位置は返さない。

出典: 画像分析とは（画像内の人物を検出する）

正解: C 【A（不正解）】 ？ 1 つの顔を、登録済みの多数の顔と照合する機能です。 多数の中から人物を特定する機能で、2 枚の顔を比べる本人確認とは違う。 【B（不正解）】 ？ 対象の顔に似た顔を候補から探す機能です。 似た顔の一覧を返すもので、同一人物かどうかの判定が目的ではない。 【C（正解）】 ？ 2 つの顔が同じ人物かを判定する機能です。 検証は「この 2 つの顔は同じ人物か」に答える。自撮りと身分証の照合による口座開設が公式の例である。 【D（不正解）】 ？ 未知の顔を、似ているもの同士に分ける機能です。 顔の集まりを分類する機能で、本人確認には使わない。

出典: Azure Face サービスとは（検証）

正解: A 【A（正解）】 ？ 1 つの顔を、安全なリポジトリの多数の顔と照合する機能です。 識別は登録済みのグループと照合し、一致する人物を返す。建物へのアクセス許可が公式の例である。 【B（不正解）】 ？ 2 つの顔が同じ人物かを判定する機能です。 比べる相手が 1 人に決まっている場面向けで、多数の社員から特定する用途とは違う。 【C（不正解）】 ？ 画像の中の顔の位置を見つける機能です。 顔の位置は分かるが、誰であるかは判定しない。 【D（不正解）】 ？ 写っている人の位置を返す画像分析の機能です。 人の位置を返すだけで、誰かの特定はしない。

出典: Azure Face サービスとは（識別）

正解: D 【A（不正解）】 ？ 顔の位置と、表情などの属性を見る方法です。 笑顔の属性は利用が制限されており、なりすましの判定にもならない。 【B（不正解）】 ？ 似ている顔同士を分ける機能です。 顔を分類するだけで、本物の人かどうかは判定しない。 【C（不正解）】 ？ 多数の登録済みの顔と照合する機能です。 識別は Free（F0）では使えない。照合だけでは写真によるなりすましを見抜けない。 【D（正解）】 ？ カメラの前の顔が本物の人かを判定する機能です。 ライブネス検出は印刷写真・録画・マスクなどのなりすましを防ぐ。SDK は制限された機能で、申請が要る。

出典: Azure Face サービスとは（生体検知）

正解: B 【A（不正解）】 ？ 手続きを経れば使えるという考え方です。 感情と性別は制限ではなく廃止された機能である。申請しても使えない。 【B（正解）】 ？ 機能の提供そのものが終わっているという扱いです。 Microsoft は、ステレオタイプや差別につながるおそれから、感情と性別の推定を廃止した。 【C（不正解）】 ？ 価格レベルで使えるかが決まるという考え方です。 価格レベルに関係なく、感情と性別の推定は廃止されている。 【D（不正解）】 ？ 別の機能と組み合わせれば使えるという考え方です。 どの機能と組み合わせても、廃止された属性は使えない。

出典: Azure Face サービスとは（顔検出と分析）

正解: A 【A（正解）】 ？ 申請と、使える価格レベルの条件です。 識別と検証は制限付きアクセスで、登録フォームでの申請が要る。使えるのは S0 と E0 で、F0 は非対応である。 【B（不正解）】 ？ 手続きなしで無料の範囲でも使えるという考え方です。 申請なしで使えるのは顔検出の操作である。識別と検証は Free（F0）では使えない。 【C（不正解）】 ？ どの操作も自由に使えるという考え方です。 顔検出は登録なしで使えるが、識別や検証などは申請が必要である。 【D（不正解）】 ？ 利用先によって許可される場合があるという考え方です。 米国の警察による、または警察のための顔認識の利用は禁止されている。

出典: Face の制限付きアクセス機能

正解: B 【A（不正解）】 ？ 人物を特定する情報です。 検出だけでは誰かは分からない。人物を特定するのは識別の操作である。 【B（正解）】 ？ 顔の場所と、後の操作で使う識別子です。 Detect API は顔の位置の四角形の座標と、保存した顔データを表す一意の ID を返す。ID は後の識別や検証に使う。 【C（不正解）】 ？ 喜びや怒りなどの気持ちの推定です。 感情の推定は廃止された機能である。 【D（不正解）】 ？ 撮影地の情報です。 顔検出は撮影場所を返さない。

出典: Azure Face サービスとは（顔検出と分析）