拡散モデル(Diffusion Models: DDPM)の生成プロセス

拡散モデルは非平衡熱力学に着想を得た生成モデルです。ノイズ付加過程 q(x_t | x_{t-1}) の逆過程 p_θ(x_{t-1} | x_t) を学習し、純粋なランダムノイズから反復的にデノイズ(ノイズ除去)して高品質な画像を生成します。GANに比べ学習が極めて安定しています。 ア:正解です。拡散過程(ノイズ付加)と逆過程(ノイズ推定・除去)による画像生成の原理です。 イ:誤りです。数百ステップ等の反復的ノイズ除去プロセスを経て画像を生成します。 ウ:誤りです。GANのような敵対的学習を用いないためモード崩壊が起きにくく、生成の多様性に優れます。 エ:誤りです。数理的な確率過程(確率微分方程式等)に基づくディープラーニングアルゴリズムです。

画像生成AIの主流である拡散モデル(DDPM: Denoising Diffusion Probabilistic Models)の基本原理に関する記述として、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
元画像に微小なガウスノイズを段階的に加えて完全な純粋ノイズにする「前方向(拡散)過程」を定義し、ニューラルネットワーク(U-Net等)が各ステップで加えられたノイズを予測・除去していく「逆方向(生成)過程」を学習する。
イ
テキストプロンプトを直接ピクセル配列に置換し、ノイズを一切介さずに1ステップで瞬時に画像を書き出す。
ウ
GANのように識別器との敵対的学習を行い、学習が崩壊するモード崩壊(Mode Collapse)が最も頻繁に発生する。
エ
物理的な分子の熱運動を光学顕微鏡で撮影した映像をデータベースから検索して貼り付ける手法である。