Bir görüntüyü gürültüyle bozun, ardından bu süreci tersine çevirmeyi öğrenin. Difüzyon modelleri, verilere kademeli olarak gürültü ekleyerek ve ardından adım adım gürültüyü gidermeyi öğrenerek eğitilir. Eğitildikten sonra, saf gürültüden başlayarak eğitim dağılımına benzeyen yeni örnekler üretebilirler.

Bu yaklaşım, günümüzdeki birçok görüntü oluşturucuya güç veriyor. Kalite yüksek ve eğitim hedefi, mod çökmesi ve kararsız dinamiklerden muzdarip olabilen üretken düşman ağlarına kıyasla daha istikrarlı.

Ana aşamalar

• İleriye doğru süreç, birçok adımda gürültü ekleme
• Ters işlem, gürültü gidermeyi öğrenme
• Rastgele gürültüden örnekleme, üretme
• Şartlandırma, metin veya diğer girdilerle çıktıyı yönlendirme

Maliyet, hızdır. Tek bir görüntü oluşturmak düzinelerce veya yüzlerce ağ geçişi gerektirebilir. Damıtma ve daha hızlı örnekleyiciler adım sayısını azaltır, ancak difüzyon bazı alternatiflerden daha fazla işlem gücü gerektirir.