拡散モデル
更新日:
用語解説
拡散モデルは、実データへ段階的にノイズを加えて既知の単純分布へ近づける順過程を定め、その逆のノイズ除去過程を学習してデータを生成するモデルです。
■ 試験で押さえるポイント
学習では各時刻のノイズ又は元データを予測するネットワークを訓練し、生成時はランダムノイズから反復的にノイズを除きます。
文章等の条件を与える条件付き生成では、各除去段階を条件へ誘導し、指定内容に近い画像・音声等を作ります。
GANに比べ学習が安定し多様な高品質生成が可能な一方、反復ステップが多いと生成に時間・計算資源を要します。
ノイズから作ることは訓練データと無関係という意味ではなく、記憶・再現、偏り、著作権、偽造利用を評価します。
■ 選択肢での判断ポイント
データへノイズを加える順過程と、ノイズを除く逆過程を対応付けます。生成器と識別器を競わせるGANとは異なります。
例: 純粋なガウスノイズ画像から、学習した除去処理を時刻T、T−1、…、1と反復し、徐々に構造ある画像へ変換します。