本書は、情報処理学会CVIM（コンピュータビジョンとイメージメディア）研究会主催で開催されたチュートリアル講演をもとに書かれた『コンピュータビジョン最前線』Winter 2021〜Autumn 2022の連載記事「ニュウモン」4編をまとめたものである。新たに必要となった加筆・修正を施し単行本化した。

本書により、深層学習のブレークスルーにより新しい原理・技術が続々と提案され、日々進化し続けているコンピュータビジョン分野で話題の技術・アルゴリズムについて、原理から実践場面における実装までを体系的に学ぶことができる。
第1章　Vision and Language
1.1　V&Lの研究課題
1.2　V&Lの難しさ
1.3　V&Lを支える基礎技術
1.4　V&Lの深層学習モデルの概観：一方向型と双方向型のモデル
1.5　近年の新しいパラダイム：TransformerとBERTによる大規模事前学習モデル
1.6　BERT型のV&L事前学習モデル
1.7　おわりに

第2章　Visual SLAM
2.1　画像を用いた空間認識の必要性
2.2　Visual SLAMの概要
2.3　3次元復元の予備知識
2.4　特徴点ベースのVisual SLAMの基礎
2.5　今後の展開

第3章　CMOSイメージセンサ
3.1　完全電荷転送とCMOSイメージセンサ
3.2　マルチタップ電荷変調器
3.3　時分割多重イメージングによるアクティブイメージングへの応用
3.4　符号化露光による時間・空間の圧縮
3.5　おわりに

第4章　微分可能レンダリング
4.1　微分可能レンダリングの考え方
4.2　深層学習と微分可能プログラミング
4.3　微分可能レンダリングの代表的な応用
4.4　微分可能レンダリングの仕組み
4.5　微分可能レンダリングを使う
4.6　おわりに

索引