Diffusion Model (확산 모델) 개요

Diffusion Model (확산 모델) 개요

데이터에 점진적으로 노이즈를 추가(Forward)한 뒤 역으로 노이즈를 제거(Reverse)하며 데이터를 복원하는 과정을 학습하는 생성 모델로, GAN 대비 안정적 학습과 고품질·다양성으로 이미지 생성의 주류 기술

동작: Forward Process(x₀→x₁→...→xₜ 가우시안 노이즈 점진 추가) → Reverse Process(xₜ→...→x₁→x₀ 학습된 신경망이 노이즈 예측·제거)

핵심 알고리즘: DDPM(Denoising Diffusion Probabilistic Models/기본/T=1000 스텝/느림), DDIM(비마르코프/빠른 샘플링/결정적), Latent Diffusion(잠재 공간에서 확산/계산 효율/Stable Diffusion 기반)

비교: Diffusion(점진적 노이즈 제거/안정적 학습/고품질/다양성/느린 생성) vs GAN(적대적 학습/불안정/빠른 생성/모드 붕괴) vs VAE(확률적 잠재 공간/안정적/흐릿한 출력)

연관: 생성형 AI, Stable Diffusion, DALL-E, GAN, VAE, Latent Diffusion