G検定（ジェネラリスト検定） ディープラーニングの応用例 練習問題 第47問: Unified-IO（Lu ほか, arXiv 2022年）の説明として、最も適切なものはどれか。

肢2が正解です。Unified-IOの論文（Lu ほか）は、姿勢推定・物体検出・深度推定・画像生成などの視覚のタスク、領域の説明文の生成などの視覚と言語のタスク、質問応答などの言語のタスクを1つのモデルで扱うため、RGB画像・画素ごとのマップ・二値のマスク・矩形・文章といった異なる入出力を、共通の語彙の離散トークンの列にそろえました。

これにより、1つのTransformerの構造を多数のデータセットで同時に学習しています。

肢1は、タスクごとに別のモデルを持つ点が逆です。

肢3は誤りで、画像も入出力に使います。

肢4は誤りで、論文はタスク専用のファインチューニングなしで多くのベンチマークに強い結果を示したと述べています。