変更要約: 各節に図（figure）を追加＝cert-figure-retrofit。AI-103 第4章を公式 skills measured(2026-04-16版)準拠に全面改稿。旧 AI-102 風（事前構築 Vision＋Custom Vision）から「生成中心」へ作り直し：s1=画像・動画の生成と編集（text→image: GPT-image-1/DALL·E、インペインティング＝マスク編集、参照メディア、生成・編集コントロール、text→video: Sora・非同期）、s2=マルチモーダル理解（キャプション/視覚QA/alt-text/物体・領域特定）＋Content Understanding の視覚特性抽出（single-task/pro-mode・動画分析）＋マルチモーダルの責任ある AI（Content Safety 画像モデレーション・画像埋め込みテキストによる間接プロンプトインジェクション・ウォーターマーク/禁止記号/ブランドの視覚ポリシー）
4.1画像・動画の生成と編集
AI-103 のコンピュータービジョンは「認識」より「生成」が中心です。Microsoft Foundry で画像生成モデル・動画生成モデルをデプロイし、テキストプロンプトや参照メディアから画像・動画を生成し、マスクによるインペインティングなどで編集する実装を開発者の視点で理解します。
AI-102 のコンピュータービジョンは「画像を認識する（分類・物体検出・OCR）」が中心でした。AI-103 では重心が変わり、「画像や動画を生成・編集する」ことと「マルチモーダルモデルで柔軟に理解する」ことが中心になります。この節では生成・編集を扱います。実装は Microsoft Foundry で画像生成モデルや動画生成モデルをカタログから選んでデプロイし、SDK／REST で呼び出します。認証は第1章どおりマネージド ID（キーレス）が基本です。
4.1.1画像生成（テキスト → 画像）
画像生成は、テキストプロンプト（「夕暮れの海辺を歩く犬、水彩風」など）から新しい画像を作り出す機能です。Foundry では GPT-image-1 や DALL·E などの画像生成モデルをデプロイして使います。プロンプトに加えて、参照メディア（参考画像）を渡してスタイルや構図を誘導することもできます。生成は 生成コントロール（画像サイズ・品質・生成枚数 n など）で調整します。これは「既存画像を認識する」のではなく「画像を新規に作る」点が、AI-102 までのビジョンとの最大の違いです。
4.1.2画像の編集（インペインティング・マスク）
生成モデルは既存画像の編集にも使えます。代表が インペインティング（inpainting）で、画像の一部を マスク で指定し、そのマスク領域だけをプロンプトに従って描き直す手法です（例：「人物の背景だけを森に置き換える」）。マスクを使わず、プロンプトで画像全体を プロンプト駆動の変更 として加工することもできます。これらは 編集コントロール（どの領域を・どの強さで変えるか）で制御します。生成（新規作成）と編集（既存画像を変える）を区別し、編集では「マスク＝変更する領域」という対応を押さえます。