Καταστρέψτε μια εικόνα με θόρυβο και στη συνέχεια μάθετε να αντιστρέφετε τη διαδικασία. Τα μοντέλα διάχυσης εκπαιδεύονται προσθέτοντας σταδιακά θόρυβο στα δεδομένα και στη συνέχεια μαθαίνοντας να αποθορυβοποιούν βήμα προς βήμα. Μόλις εκπαιδευτούν, μπορούν να ξεκινήσουν από καθαρό θόρυβο και να δημιουργήσουν νέα δείγματα που μοιάζουν με την κατανομή εκπαίδευσης.

Η προσέγγιση αυτή τροφοδοτεί πολλές από τις σημερινές γεννήτριες εικόνων. Η ποιότητα είναι υψηλή και ο στόχος εκπαίδευσης είναι σταθερός σε σύγκριση με τα γενετικά ανταγωνιστικά δίκτυα, τα οποία μπορεί να υποφέρουν από κατάρρευση λειτουργίας και ασταθή δυναμική.

Βασικά στάδια

• Προώθηση διαδικασίας, προσθήκη θορύβου σε πολλά βήματα
• Αντίστροφη διαδικασία, μαθαίνοντας να αποθορυβοποιώ
• Δειγματοληψία, δημιουργία από τυχαίο θόρυβο
• Προϋποθέσεις, καθοδήγηση εξόδου με κείμενο ή άλλη είσοδο

Το κόστος είναι η ταχύτητα. Η δημιουργία μιας μόνο εικόνας μπορεί να απαιτεί δεκάδες ή εκατοντάδες περάσματα δικτύου. Η απόσταξη και οι ταχύτεροι δειγματολήπτες μειώνουν τον αριθμό των βημάτων, αλλά η διάχυση παραμένει πιο απαιτητική σε υπολογισμούς από ορισμένες εναλλακτικές λύσεις.