拡散モデル

拡散モデル

拡散モデル（Diffusion Models）は、深層学習モデルの一種で、高品質な画像を生成できることで知られている。Stable DiffusionやDALL・E 2などに採用されている。しかし実際には、画像だけでなく音声・動画・3Dモデルなど、さまざまな分野の生成にも応用されている。

基本的な仕組みは、まず元のデータに少しずつノイズを加えていく「拡散過程（forward process）」を通じて、元データをガウス分布に従うランダムノイズへと変換する。その後、学習済みモデルを用いて、そのノイズから少しずつノイズを取り除く「逆拡散過程（reverse process）」を経ることで、新しいデータを生成する。この逆拡散過程では、テキストなどの条件を与えることで、純粋なノイズから直接、まったく新しい画像や映像を生成することができる。

拡散モデルには、スコアベースモデルや拡散確率モデル、特定の条件を与える条件付き拡散モデルなどがある。高品質な画像生成が可能なGAN（Generative Adversarial Networks）と比較すると、拡散モデルは段階的な生成プロセスに基づくため、訓練が比較的安定しており、モード崩壊（生成結果の多様性が失われる現象）も起きにくいという利点がある。一方で、ノイズの付与と除去を数百〜数千回繰り返す必要があるため、GANに比べて生成速度が遅く、計算コストが高いという課題も指摘されている。