画像をノイズで破壊し、その逆のプロセスを学習する。拡散モデルは、データに徐々にノイズを加え、段階的にノイズ除去を学習することでトレーニングを行う。トレーニングが完了すると、純粋なノイズから始めて、トレーニング分布に似た新しいサンプルを生成できるようになる。

この手法は、今日の多くの画像生成器の基盤となっている。品質が高く、モード崩壊や不安定な動態に悩まされる可能性のある敵対的生成ネットワークと比較して、学習目標が安定している。

主要段階

• 順方向処理、多くのステップでノイズを追加
• 逆のプロセス、ノイズ除去の学習
• ランダムノイズからのサンプリングと生成
• テキストやその他の入力に基づいて出力を調整、誘導する。

その代償は処理速度です。1枚の画像を生成するのに、数十回、あるいは数百回ものネットワーク処理が必要になる場合があります。蒸留や高速サンプラーを用いることで処理ステップ数は削減できますが、拡散処理は依然として他の手法に比べて計算負荷が高いままです。