拡散プロばびりてぃもでるは、データにノイズを加えていく過程と、そのノイズを除去して元のデータを復元する過程を学習する生成モデルです。画像生成AIなどで広く活用されており、高品質で多様な出力を生み出す技術として注目されています。
拡散プロバビリティモデルとは
一言でいうと、データにわざとノイズを混ぜて破壊し、その壊れた状態から綺麗に修復する手順をAIに学習させることで、新しい画像をゼロから作り出す生成AIのモデルです。
詳しく解説
拡散プロバビリティモデルは、データに少しずつノイズを加えて完全にランダムなノイズ状態にする「順方向拡散過程」と、ノイズから元のデータを段階的に復元していく「逆方向拡散過程」の2つのステップで構成されます。深層学習を用いて逆方向のノイズ除去を正確に予測できるよう学習させることで、確率的なサンプリングを通じて高品質なデータを生成します。物理学の拡散現象や確率微分方程式を応用している点が特徴で、画像だけでなく音声や動画など多様なモダリティへの応用が進んでいます。
具体例・使われ方
具体的な利用例としては、テキストの指示から高精細な画像を生成する画像生成AIや、既存の写真の一部を書き換えるインペインティング、低解像度の画像を鮮明化する超解像技術などがあります。
似た用語との違い
従来の生成モデルであるGAN（敵対的生成ネットワーク）と比較して、学習が安定しやすく崩壊モードが起きにくい特徴があります。また、VAE（変分オートエンコーダ）に比べてより詳細でリアリティのある画像を生成できる反面、生成プロセスに複数回のステップを要するため推論に時間がかかる傾向があります。
注意点
データの復元や生成を行う際に、何ステップもの計算を繰り返す必要があるため、処理に時間がかかり計算コストが高い点が課題です。また、学習データに含まれる著作権やプライバシーに関する問題、バイアスをそのまま出力してしまうリスクにも注意が必要です。