拡散モデルとは？

ノイズだらけの状態から少しずつ「ノイズを取り除いて」画像を生み出す生成技術。Stable DiffusionやMidjourneyなど現代の画像・動画生成AIの標準方式。

拡散モデルの学習は逆再生の発想です。きれいな画像に少しずつノイズを足して砂嵐にする過程を学び、その逆——砂嵐から段階的にノイズを除いて画像を復元する能力を身につけます。生成時は、ただの砂嵐に「猫の絵になれ」という条件をかけながら、数十ステップかけて像を彫り出していきます。

GANより学習が安定し、多様で高品質な出力が得られることから、2022年以降の画像生成ブーム（Stable Diffusion、Midjourney、DALL·E）の主役になりました。動画生成のSoraなどもこの系譜です。「AIは絵をどう描いているの？」への現在の答えが、この彫刻のようなプロセスです。