拡散モデル
かくさんもでる概念2020
ノイズだらけの状態から少しずつ整えて画像を生み出す仕組みのAI。テキストから絵を描く画像生成AIの中核技術となり、2022年以降の画像生成ブームを支えた。
年表
2020「Denoising Diffusion Probabilistic Models（DDPM）」論文が発表され、拡散モデルによる高品質な画像合成が示される（arXiv初版投稿は6月19日）
2022オープンな画像生成モデル「Stable Diffusion」のコードがGitHubで公開される（リポジトリ作成日は2022年8月10日）
概要
画像にノイズを少しずつ加えていく過程と、その逆にノイズだらけの状態から少しずつノイズを取り除いて元の画像らしきものを復元していく過程を学習し、真っさらなノイズから新しい画像を生み出すタイプの生成モデル。2020年に発表された論文「Denoising Diffusion Probabilistic Models（DDPM）」がこの手法による高品質な画像生成を示し、以降の画像生成AIの中核技術になった。
仕組み
DDPM論文は、潜在変数モデルの一種である拡散確率モデルを使った高品質な画像合成の結果を示すものとして紹介されている。学習の過程で画像に段階的にノイズを加えていき、そのノイズの加え方をモデルに逆向きに学習させることで、ランダムなノイズから徐々に意味のある画像を組み立てられるようにする。テキストの説明から画像を生成する仕組みでは、この拡散の過程に文章の情報を条件として組み込む。
現在
拡散モデルは、テキストから画像を生成するAI（画像生成AI）の主要な技術基盤になった。オープンなコードとして公開された「Stable Diffusion」のようなモデルの登場により、専門知識がなくても文章を入力するだけで画像を作れるツールが急速に広まった。
| 分野 | 人工知能・画像生成 |
|---|
関連項目
- 生成AI文章・画像・音声などを新しく作り出すAIの総称。2022年のChatGPTや画像生成AIの登場で一気に広まり、創作や仕事のやり方を大きく揺さぶった。情報技術が一般の生活に最も近づいた現象の一つ。
- 深層学習（ディープラーニング）人間の脳を模した多層のネットワークで学習する手法。2012年の画像認識コンペでの圧勝をきっかけに一気に注目され、現代のAIブームの起点になった。