でぃふゅーじょんもでる

Diffusion Model

データにノイズを加える拡散過程と、それを逆転させてノイズから元のデータを復元する過程を学習する生成モデルです。

詳しい説明

Diffusion Modelは、データにノイズを徐々に加えて破壊し、その過程を逆転させてノイズから元のデータを復元することを学習する生成モデルです。拡散モデルとも呼ばれ、画像生成や音声合成などの分野で非常に高い品質の生成結果を実現しています。

順方向のプロセスでは、データにガウスノイズを加え続け、最終的にデータはただのノイズになります。逆方向のプロセスでは、学習済みのモデルを用いてノイズを除去し、元のデータ分布に近いデータを生成します。この反復的な手順が高品質な生成を支えています。

G検定では、GANやVAEに続く新しい生成モデルの潮流として扱われます。GANが生成器と識別器の対立構造で学習するのに対し、Diffusion Modelは拡散過程の反転という確率的なプロセスで学習・生成を行うという明確な違いを押さえておくと安心です。