拡散モデル(DDPM)とは(かくさんもでる(Diffusion Model))

拡散モデルは、画像生成AI(Stable DiffusionやDALL-Eなど)の中核技術として使われている生成モデルの1つです。DDPM(Denoising Diffusion Probabilistic Models)という名前で2020年に定式化され、以降の画像生成技術の主流になりました。

学習の考え方は2段階に分かれています。まず「拡散過程」として、元のデータ(画像など)に少しずつガウスノイズを加えていき、最終的に完全なノイズにしてしまう過程を(学習を伴わず数式的に)定義します。次に「逆拡散過程」として、ノイズが加わった状態から1ステップ前のより綺麗な状態を予測するニューラルネットワークを学習します。

生成時には、純粋なランダムノイズから出発し、学習済みのネットワークを使って少しずつノイズを取り除く操作を何百ステップも繰り返すことで、最終的に自然なデータ(画像)を作り出します。GAN(敵対的生成ネットワーク)と比べて学習が安定しやすい一方、生成に多くのステップを要するため計算コストが高いという特徴があります。