❖本調査レポートの見積依頼/サンプル/購入/質問フォーム❖
[281ページレポート]予測期間中、ビジョントランス市場は2023年の2億米ドルから2028年には年平均成長率34.2%で12億米ドルに成長すると予測されています。ビジョントランスフォーマー市場の成長を後押しする重要な要因には、注意メカニズムの需要増加、転移学習、技術の進歩などがあります。画像認識、物体検出、ビデオ解析などのタスクで、様々な産業でコンピュータビジョンの使用が増加していることも市場成長の要因である。複数のハイテク企業や新興企業がビジョントランスフォーマーのモデルやアプリケーションに積極的に取り組んでおり、市場における技術革新と競争の激化につながっている。このような競争が、市場の進歩と提供物の拡大を促進している。
ビジョントランス市場への不況の影響
本レポートでは、世界的な景気後退がビジョントランス市場に与える影響について分析している。この変化の激しい環境において、景気後退の正確な影響は世界的に未知数である。それゆえ、金利上昇、通貨安、公的債務の増加など、シナリオに基づくアプローチを検討し、世界レベルでの経済的影響と回復期間を評価しています。国・地域によって影響や回復期間は異なる。
インフレ率の上昇、金利の上昇、失業率、エネルギー危機は経済成長の鈍化につながる。その結果、エンドユーザー業界は事業、キャッシュフロー、資金調達能力の悪化を経験し、製品購入計画を遅らせたり、キャンセルしたりすることになる。同様に、これらのOEMに電子部品を供給するベンダーも同様の問題に見舞われ、注文を履行したり、合意されたサービスや品質レベルを満たしたりする能力に影響を及ぼす。
最終用途市場におけるコンピュータビジョンの AIなどのコンポーネントの需要は、主に事業者/組織によるネットワークシステムの構築、再構築、アップグレードのための設備投資に依存します。景気後退は、CAPEX支出の量と同社の売上高および収益性に影響を及ぼします。既存の資本支出が継続する保証はなく、景気後退中に支出が減少しないという保証もありません。これは、住宅および産業環境で使用されるCPU、GPU、ASIC、FPGA、ストレージ、メモリデバイスなどのビジョントランスフォーマーハードウェア機器の採用に悪影響を及ぼす可能性があります。
世界経済フォーラムによると、AIを採用することで、2030年までに13兆米ドルの価値が創出されるという。現在の景気減速は、企業が業務の合理化を図り、競争力を維持しようとする中で、この傾向を加速させる可能性が高い。世界銀行は、世界的な景気後退が企業を従業員解雇とAI支援ツールの導入に向かわせると予測している。これは、企業が合成的に生成されたデータを活用して成長と競争力を促進しようとするため、ビジョントランスフォーマー・ソリューションへの投資が増加する可能性をもたらすだろう。持続的なサプライチェーンの混乱を考慮すると、サプライチェーンの多様化とデジタル化は、ほとんどの組織にとって今後数年間の優先事項である。
視覚トランス市場のダイナミクス
ドライバー自動化への需要の高まり
自動化は各業界の原動力であり、ビジョン変換技術は品質管理、物体検出、目視検査などの作業を自動化する上で極めて重要な役割を果たしています。自動化と効率化により、企業は時間とリソースを節約し、意思決定プロセスの精度を向上させることができます。このため、現在多くの産業でプロセスの自動化と効率化のために画像処理トランスフォーマーが導入されています。
小売業では、コンピュータ・ビジョン・システムが在庫レベルや販売傾向を追跡し、どの商品を仕入れ、どのように資源を配分するかについて、小売業者が十分な情報を得た上で意思決定できるよう支援している。医療分野でもビジョントランスフォーマーの恩恵を受けています。例えば、コンピュータ・ビジョン・システムは医療画像を解析し、病気の診断や治療に役立てることができます。
制約：高い設置コスト
画像認識システムの製造コストが高いことが、市場の成長を妨げる可能性がある。顔認識、ディープラーニング、コンピュータビジョン、AI、ML、ジェスチャー認識など、ほとんどの実現技術には多額の開発コストがかかる。そのため、資金力に乏しい企業は、生産性向上のためにこうしたソリューションに関心があっても、画像認識製品を選択しない。Microsoft Computer Vision API、Microsoft Emotion API、Amazon Rekognition、Google Cloud Vision API、IBM Watson Visual Recognitionなどのよく知られたベンダーのソリューションは価格が高く、小規模企業が導入するのは難しい。画像認識ソリューションの導入や、特定のタスクを実行するためのAIイネーブラのトレーニングにかかる膨大なコストは、中小企業の足かせとなるだろう。これは、画像認識ソリューションベンダーの足かせになりかねない。
ビジョントランスフォーマーの導入には、大規模モデルの効率的な処理と推論を行うために、高性能GPUやTPUなどの特殊なハードウェアが必要になることが多い。これらのハードウェアコンポーネントは、特にサーバーやデータセンター設備など、それらをサポートするために必要なインフラを考慮すると、購入や設置に費用がかかる場合があります。特に予算が限られている中小企業や新興企業にとって、ハードウェアへの初期投資は大きな障壁となり得る。高い設置コストは、画像認識タスクへのビジョントランスの採用を遅らせたり、抑止したりする可能性があります。これには、データセンター、クラウドコンピューティングリソース、またはビジョントランスフォーマの計算要求に対応できるエッジコンピューティング設備のセットアップと維持のコストが含まれます。ビジョン・トランスフォームや画像認識ソリューションを実環境に導入するには、既存システムとの統合、ソフトウェア開発、メンテナンス費用がかかる場合があります。このようなインフラ費用は、組織の財源を圧迫する可能性があります。
チャンスAI機能の統合
AI技術をビジョン変換と統合することで、より高度で正確な画像解析が可能になり、自律走行車や産業オートメーションなどのアプリケーションにおける意思決定プロセスが強化される。マイクロソフトやそのパートナーのような画像認識市場の大手企業は、さまざまな業種の企業が手作業からAIベースの業務に移行することで、効率的に業務を最適化できるようにしている。例えば、中国の小売業者向けインテリジェント・コンピュータ・ビジョン・プロバイダーであるCloboticsは、AI、高度なコンピュータ・ビジョン、機械学習技術を使用して、Microsoft Power BIを通じて、商品の配置、棚の最適化、商品追跡、プラノグラムの遵守に関するリアルタイムの洞察を提供するCloud Image Recognitionソリューションを開発した。マイクロソフトのオーストラリアに拠点を置くパートナーであるLakebaは、コンピュータビジョン技術とインテリジェント画像キャプチャ、クラウドベースのデータ分析ソリューションであるMicrosoft Azureを組み合わせ、最適な棚上在庫管理を提供している。AIを搭載した画像認識ソリューションは、膨大な量のデータを解釈し、人間の操作では実現不可能な実用的な洞察を提供する。したがって、画像認識機能と融合したAIと機械学習（ML）技術の普及は、ビジョン・トランスフォーマーにチャンスをもたらすだろう。
課題ビジョントランスフォーマーに対する理解と技術的専門知識の不足
ビジョントランスフォーマーに対する理解と技術的専門知識の不足は、市場にとって重大な課題である。AIとコンピュータ・ビジョンは複雑な技術であり、効果的な実装には専門的な知識とスキルが必要である。このため、組織がこれらのシステムの能力と限界を十分に理解し、実世界の問題を効果的に解決するために活用することは困難である。さらに、ビジョントランスフォーマーシステムは、高度なプログラミングスキルと、数学的アルゴリズムや機械学習の概念に対する深い理解を必要とする、高度な技術を要する場合があります。そのため、これらのシステムを開発・配備するための技術的な専門知識を組織が見つけ、雇用することは困難である。もう一つの課題は、ビジョントランスフォーマーシステムの倫理的・社会的意味合いに対する理解が限られていることである。このようなシステムが普及するにつれ、組織はプライバシー、セキュリティ、その他の重要な社会的価値観に与える潜在的影響を理解する必要がある。
このような課題にもかかわらず、ビジョン・トランスフォーマーに対する理解と技術的専門性を高めるための教育プログラムやオンラインコースなど、これらの限界に対処するための多くの取り組みが進行中である。さらに、この分野が成長するにつれて、これらのシステムを効果的に導入するために必要な技術的専門知識の開発に投資する組織も増えるでしょう。ビジョントランスフォーマーに対する理解や技術的専門知識が限られていることは課題であるが、将来の成長と発展のチャンスもある。より多くの組織がこれらの技術に対する専門知識と理解を深めることに投資すれば、様々な用途や産業でより広く採用され、利用されるようになるだろう。
このセクションでは、ソフトウェア・プロバイダー、ハードウェア・プロバイダー、AIフレームワーク開発者、クラウド・コンピューティング・プロバイダー、および垂直分野からなるビジョン・トランスフォーマーのエコシステムを紹介する。NVIDIA、Intel、AMDなどのハードウェアプロバイダーは、ディープラーニングのワークロードに最適化されたGPU、TPU、その他のアクセラレーターを供給しています。これらは、効率的なビジョン変換モデルの学習と推論を可能にする上で非常に重要です。ソフトウェアプロバイダーは、ビジョントランスフォーマーモデルの開発、トレーニング、展開を容易にするツール、ライブラリ、および事前トレーニング済みモデルを提供しています。例えば、Hugging Face TransformersやTensorFlow Hubなどがあります。AWS、Microsoft Azure、Google Cloudなどのクラウドプロバイダーは、ビジョントランスフォーマーモデルの開発と展開のために、クラウドベースのインフラ、AIサービス、GPU/TPUインスタンスを提供しています。Facebook AI Research、Google AI、OpenAIなどの組織は、ビジョントランスフォーマーモデル開発をサポートするディープラーニングフレームワーク（PyTorch、TensorFlowなど）やライブラリを開発しています。各業界は、業務を強化し、タスクを自動化し、視覚データから洞察を得るために、ビジョントランスフォーマーソリューションを採用している。
デプロイメント＆インテグレーション分野は、プロフェッショナルサービスに次いで予測期間中のCAGRが高い。
ビジョントランスフォーマー市場の展開と統合サービスは、組織がビジョントランスフォーマーモデルを既存のシステム、アプリケーション、ワークフローに統合し、シームレスに動作し、実際のシナリオで価値を提供できるように支援することを目的とした専門的なサービスです。これらのサービスには、ビジョントランスのソリューションを本番用に設定・構成する技術的側面が含まれます。デプロイメントサービスは、ビジョントランスフォーマーモデルを開発およびトレーニング段階から運用段階に移行させることに重点を置いています。サービスプロバイダは、組織がビジョントランスフォーマーモデルを展開するためのハードウェアとソフトウェアのインフラストラクチャを設定するのを支援します。
用途別では、画像セグメンテーション・セグメントが2023年に最大の市場シェアを占める。
ビジョン変換器市場における画像セグメンテーションは、画像を意味のある明確なセグメントまたは領域に分割する。各要素は通常、画像内の特定の物体、領域、またはカテゴリに対応する。視覚データの複雑な関係を捉える能力で人気を博している視覚変換器は、画像セグメンテーションタスクにますます使用されるようになっている。画像セグメンテーションは、物体検出、医療画像、自律走行車など、さまざまな用途のコンピュータビジョンにおいて極めて重要である。その目的は、画像の各画素を特定のクラスやラベルに割り当て、画像を効果的に関心領域に分割することである。ビジョン変換器は、当初は画像分類用に設計されたニューラルネットワークアーキテクチャであるが、画像セグメンテーションタスクに適合させたものである。
予測期間中、北米のビジョントランス市場で最大のシェアを占めるのは米国市場である。
2023年のビジョントランスフォーマー市場における北米のシェアは米国が最も大きく、この傾向は2028年まで続くと推定されている。高度なITインフラ、多数の企業、技術スキルの利用可能性など、いくつかの要因から、ビジョントランスを採用するための最も発展した市場である。米国には、シリコンバレー、シアトル、ボストン、サンフランシスコ・ベイエリアなど、著名な技術拠点がある。これらの地域には、人工知能（AI）やコンピュータビジョンに特化したハイテク企業、新興企業、研究機関が集中しており、ビジョン・トランスの開発と採用の温床となっています。グーグル、フェイスブック（現在はメタ）、マイクロソフト、アマゾンといった米国を代表するハイテク企業は、ビジョントランスフォーマーの研究開発に積極的に取り組んでいます。
主要市場プレイヤー
市場の主要技術ベンダーには、Google（米国）、OpenAI（米国）、Meta（米国）、AWS（米国）、NVIDIA Corporation（米国）、LeewayHertz（米国）、Synopsys（米国）、Hugging Face（米国）、Microsoft（米国）、Qualcomm（米国）、Intel（米国）、Clarifai（米国）、Quadric（米国）、Viso.ai（スイス）、Deli（イスラエル）、V7 Labs（英国）などがある。ほとんどの主要企業は、ビジョントランスフォーマーの需要に対応するためにパートナーシップや製品開発を採用している。
この調査レポートは、ビジョントランスフォーマー市場を提供、用途、垂直、地域に基づいて分類しています。
オファリングに基づく：
ソリューション
ハードウェア
ソフトウェア
プロフェッショナルサービス
コンサルティング
導入と統合
トレーニング、サポート、メンテナンス
アプリケーションに基づく
画像分類
画像キャプション
画像分割
物体検出
その他の用途
ベースはバーティカル：
小売＆eコマース
メディア＆エンターテイメント
自動車
政府・防衛
ヘルスケア＆ライフサイエンス
その他の事業
地域に基づく：
北米
アメリカ
カナダ
ヨーロッパ
イギリス
ドイツ
フランス
イタリア
その他のヨーロッパ
アジア太平洋
中国
日本
インド
その他のアジア太平洋地域
その他の地域
最近の動向
2023年10月、Amazon SageMaker Model Registryは、プライベートDockerリポジトリに保存された機械学習（ML）モデルの登録をサポートするようになりました。この機能により、AWS、非AWSを問わず、様々なプライベートリポジトリのすべてのMLモデルを単一の集中サービス内で便利に監視できるようになり、特に大規模なML環境を扱う場合、MLオペレーション（MLOps）の管理を合理化し、MLガバナンスを強化します。
2023年9月、インテルはOpenVINOバージョン2023.1を発表し、ジェネレーティブAIの機能を日常的なデスクトップやラップトップにまで拡張した。
2023年8月、Vertex AI workbenchのユーザー管理ノートブックM110バージョンにおいて、以下の機能強化が行われました：
Debian 11 の Python 3.10 で Tensorflow 2.13 をサポート。
Debian 11 の Python 3.10 で Tensorflow 2.8 をサポート。
パフォーマンスと機能性を向上させるための様々なソフトウェア・アップデートの実施
2023年7月、エッジデバイス上で機械学習モデルとアルゴリズムを作成、最適化、展開するためのプラットフォームであるEdge Impulseは、最新のNVIDIA TAO Toolkit 5.0を同社のエッジAIプラットフォームに統合したことを明らかにした。
2023年7月、NVIDIAはTAO Toolkit 5.0を発表しました。TAO Toolkit 5.0は、AIモデル開発を強化する画期的な機能をいくつか搭載しています。このリリースの主なハイライトには、オープンなONNXフォーマットでモデルをエクスポートする機能、さまざまなプラットフォームへの展開を可能にする機能、ビジョントランスフォーマーの高度なトレーニング、セグメンテーションマスクのラベリングを高速化するAIアシストデータアノテーション、新しいコンピュータビジョンタスクと事前学習済みモデルのサポート、カスタマイズ可能なソリューションのオープンソース化などが含まれます。これらの機能強化により、開発者は開発と統合のプロセスを簡素化しながら、より正確で堅牢なAIモデルを作成できるようになります。これによりユーザーは、ビジョン変換器とNVIDIA TAOを使用して、Vision AIアプリケーションの精度と堅牢性を向上させることができます。
2023年6月、ハギング・フェイスはAMDと協業し、AMDをハードウェア・パートナー・プログラムに組み入れました。AMDとハギング・フェイスは、AMDのCPUとGPU上でトップクラスのトランスフォーマーモデル性能を達成するために協力します。このパートナーシップは、トレーニングや推論を目的とした最新のAMDプラットフォームへのアクセスを間もなく可能にするため、より広範なハギング・フェイス・コミュニティにとって大きな可能性を秘めています。
2023年3月、OpenAIは大人気AIチャットボットChatGPTの最新版GPT-4をリリースした。新モデルは画像に反応し、例えば食材の写真からレシピを提案したり、キャプションや説明を書いたりすることができる。また、ChatGPTの約8倍である25,000語まで処理できる。OpenAIはGPT-4の安全機能に6ヶ月を費やし、人間のフィードバックで訓練した。GPT-4はまず、ChatGPT Plusの加入者が利用できるようになる。加入者は月額20米ドルを支払うことで、サービスへのプレミアムアクセスが可能になる。GPT-4はすでにマイクロソフトのBing検索エンジン・プラットフォームに採用されている。
2023年3月、Azure OpenAI Serviceでは、1,000社以上のお客様が、Dall-E 2、GPT-3.5、Codex、およびAzure独自のスーパーコンピューティングとエンタープライズ機能に支えられたその他の大規模言語モデルを含む最先端のAIモデルを使用して、新しい方法でイノベーションを起こしています。現在、Azure OpenAI Serviceでプレビュー中のChatGPTにより、開発者は、予期しない質問に対応するための既存のボットの強化、カスタマーサポートの迅速な解決を可能にするコールセンターの会話の再録、パーソナライズされたオファーを含む新しい広告コピーの作成、クレーム処理の自動化など、AIを活用したカスタム体験をアプリケーションに直接統合することができます。
目次
1 はじめに
1.1 研究の目的
1.2 市場の定義
1.2.1 含まれるものと除外されるもの
1.3 市場範囲
1.3.1 市場の細分化
1.3.2 対象地域
1.3.3 調査対象年
1.4 通貨
1.5 利害関係者
1.6 景気後退の影響
2 研究方法
2.1 研究アプローチ
2.1.1 二次データ
2.1.2 一次データ
2.1.2.1 主要プロファイルの内訳
2.1.2.2 主要業界インサイト
2.2 市場の分類とデータの三角測量
2.3 市場規模の推定
2.4 市場予測
2.5 研究の前提
2.6 研究の限界
2.7 ビジョントランス世界市場への景気後退の影響
3 エグゼクティブ・サマリー
4つのプレミアム・インサイト
4.1 ビジョントランスフォーマー市場の概要
4.2 ビジョントランスフォーマー市場、製品別、2023年対2028年
4.3 ビジョントランス市場：用途別、2023年対2028年
4.4 ビジョントランスフォーマー市場、垂直市場別、2023年対2028年
4.5 ビジョントランス市場：地域シナリオ、2023年対2028年
5 市場概要と業界動向
5.1 導入
5.2 市場ダイナミクス
5.2.1 ドライバー
5.2.2 拘束
5.2.3 機会
5.2.4 課題
5.3 ケーススタディ分析
5.3.1 ケーススタディ1
5.3.2 ケーススタディ2
5.3.3 ケーススタディ3
5.3.4 ケーススタディ4
5.3.5 ケーススタディ5
5.4 バリューチェーン分析
5.5 エコシステム分析
5.6 ポーターの5つの力分析
5.7 価格分析
5.7.1 主要企業の平均販売価格動向（ソリューション別
5.7.2 平均販売価格動向（地域別
5.8 技術分析
5.8.1 キーテクノロジー
5.8.1.1 NLP
5.8.1.2 コンピュータビジョン
5.8.2 補完技術
5.8.2.1 クラウド
5.8.2.2 IoT
5.8.2.3 ビッグデータ
5.8.3 隣接技術
5.8.3.1 深層学習モデル
5.8.3.1.1 変圧器
5.8.3.1.2 LLM
5.8.3.2 機械学習
5.8.3.3 生成AI
5.9 特許分析
5.10 バイヤーに影響を与えるトレンド／混乱
5.11 関税と規制の状況
5.11.1 規制機関、政府機関、その他の組織
5.11.2 地域別規制
5.12 貿易分析
5.13 主要ステークホルダーと購買基準
5.13.1 購入プロセスにおける主要ステークホルダー
5.13.2 購入基準
5.14 主要会議とイベント（2023～2024年）
5.15 ビジネスモデル分析
5.15.1 サブスクリプション・モデル
5.15.2 サービスモデル
6 ビジョントランスフォーマー市場：製品別
6.1 はじめに
6.1.1 ビジョントランスフォーマー市場の促進要因
6.2 解決策
6.2.1 ハードウェア
6.2.2 ソフトウェア
6.2.2.1 スタンドアロン ViT ソフトウェアパッケージ
6.2.2.2 ViTライブラリとフレームワーク
6.3 プロフェッショナル・サービス
6.3.1 コンサルティング
6.3.2 展開と統合
6.3.3 トレーニング、サポート、メンテナンス
7 ビジョントランスフォーマー市場、用途別
7.1 はじめに
7.1.1 用途：視覚トランス市場の促進要因
7.2 画像の分類
7.2.1 シングルラベル画像分類
7.2.2 細かい画像分類
7.2.3 マルチラベル分類
7.2.4 その他（医療画像分類、感情認識）
7.3 画像キャプション
7.3.1 特徴抽出
7.3.2 マルチモーダル・フュージョン
7.3.3 その他（注意メカニズム、文脈理解）
7.4 画像セグメンテーション
7.4.1 セマンティック・セグメンテーション
7.4.1.1 ピクセル単位のセマンティックセグメンテーション
7.4.1.2 インスタンスのセグメンテーション
7.4.2 インスタンス・セグメンテーション
7.4.3 その他（パノプティック、インタラクティブ、ビデオセグメンテーション）
7.5 オブジェクト検出
7.5.1 シングルショット検出器（SSD）
7.5.2 領域ベースの畳み込みニューラルネットワーク（R-CNN）
7.5.3 その他（一度しか見ない[yolo]とcenternet）
7.6 その他のアプリケーション（ビデオ分析、画像生成、マルチモーダルタスク）
8 ビジョントランスフォーマー市場、業種別
8.1 導入
8.1.1 垂直市場：視覚トランス市場の促進要因
8.2 小売とeコマース
8.2.1 ビジュアル検索と推薦
8.2.2 バーチャル試着室・試着室
8.2.3 自動化された製品タグ付けとカタログ作成
8.2.4 その他（在庫管理、需要予測、視覚的品質管理）
8.3 メディア＆エンタテインメント
8.3.1 コンテンツの推奨
8.3.2 コンテンツのモデレーション
8.3.3 ビデオの要約とハイライト抽出
8.3.4 その他（字幕およびクローズドキャプション、強化された視覚効果およびCGI）
8.4 自動車
8.4.1 自律走行と先進運転支援システム（アダス）
8.4.2 歩行者と自転車の検知
8.4.3 その他（物体検知・衝突回避、駐車支援）
8.5 政府・防衛
8.5.1 国境警備と監視
8.5.2 航空写真と衛星画像の分析
8.5.3 オブジェクト検出とトラッキング
8.5.4 その他（顔認識、脅威検出）
8.6 ヘルスケア＆ライフサイエンス
8.6.1 医用画像解析
8.6.2 病気の検出と分類
8.6.3 創薬・医薬品開発
8.6.4 その他（病理・病理組織検査、手術ガイダンス・ナビゲーション）
8.7 その他の業種（農業、教育）
9 ビジョントランスフォーマー市場、地域別
9.1 はじめに
9.2 北米
9.2.1 北米：市場促進要因
9.2.2 北米：景気後退の影響
9.2.3 米国
9.2.4 カナダ
9.3 ヨーロッパ
9.3.1 欧州：市場促進要因
9.3.2 欧州：景気後退の影響
9.3.3 イギリス
9.3.4 ドイツ
9.3.5 フランス
9.3.6 その他のヨーロッパ
9.4 アジア太平洋
9.4.1 アジア太平洋地域：市場促進要因
9.4.2 アジア太平洋地域：景気後退の影響
9.4.3 中国
9.4.4 日本
9.4.5 インド
9.4.6 その他のアジア太平洋地域
9.5 その他の地域
9.5.1 その他の地域：市場促進要因
9.5.2 その他の地域：景気後退の影響
10 競争環境
10.1 はじめに
10.2 キープレーヤーの戦略／勝利への権利
10.3 収益分析
10.4 会社の財務指標
10.5 主要市場参加者のグローバル・スナップショット
10.6 市場シェア分析
10.7 製品／ブランドの比較
10.8 会社評価マトリックス
10.8.1 スターズ
10.8.2 新進リーダー
10.8.3 浸透型プレーヤー
10.8.4 参加者
10.8.5 会社のフットプリント
10.9 主要プレーヤーランキング
10.10 主要市場開発
10.10.1 新発売
10.10.2 ディールス
10.10.3 その他
11社のプロファイル
11.1.1 AWS
11.1.2 エヌビディア
11.1.3 グーグル
11.1.4 META
11.1.5 OPEN
11.1.6 VISO.AI
11.1.7 リーウェイヘルツ
11.1.8 シノプシス
11.1.9 クアドリック
11.1.10 DECI
11.1.11 抱きつく顔
11.1.12 清澄機
11.1.13 V7ラボ
11.1.14 マイクロソフト
11.1.15 クアルコム
11.1.16 インテル
12の隣接市場
12.1 隣接市場の紹介
12.2 限界
12.3 ビジョントランスフォーマー市場のエコシステムと隣接市場
12.4 隣接市場 1
12.5 隣接市場 2
13 APPENDIX
13.1 ディスカッション・ガイド
13.2 ナレッジストアMarketsandmarketsの購読ポータル
13.3 利用可能なカスタマイズ
13.4 関連レポート
13.5 著者詳細
