拡散モデル（Diffusion Model）

拡散モデル（Diffusion Model）とは、データ（画像など）に徐々にノイズを加えて完全なランダムノイズにする「拡散過程（Forward Process）」と、そのノイズから元のデータを復元する「逆拡散過程（Reverse Process）」をニューラルネットワークで学習し、ランダムノイズから新しいデータを生成するモデルです。2020年のHoらの論文（DDPM）で注目が集まりました。

なぜ拡散モデルが現在の主流かというと、従来のGANと比べて学習が安定しており、高解像度で多様な画像を生成できるためです。Stable Diffusion・Midjourney・DALL-E 3など、主要な画像生成AIサービスの中核技術として採用されています。

直感的な理解として、「砂時計でサラサラと砂が崩れていく過程（ノイズ追加）を逆に再現し、砂漠の砂からお城の彫刻を作り出す」ようなイメージです。モデルは各ステップで「このノイズはどのようなノイズが加わったのか」を推定することを学習します。

テキストトゥイメージへの応用では、テキストエンコーダー（CLIPなど）でテキストをベクトルに変換し、そのベクトルを条件として逆拡散過程を制御することで、プロンプトに合った画像を生成します。画像以外にも、動画・音声・3Dモデル生成への応用が進んでいます。