확산 모델

노이즈를 점진적으로 제거하는 과정을 학습해 무작위 노이즈로부터 이미지를 생성하는 생성 모델을 말한다.

GAN 같은 기존 생성 모델은 학습이 불안정하고 결과물 다양성이 떨어진다는 한계가 있었는데, 확산 모델은 이 문제를 안정적인 학습 방식으로 풀기 위해 등장했다. 학습 과정에서는 원본 이미지에 노이즈를 여러 단계에 걸쳐 조금씩 섞어 완전한 노이즈로 만들고, 신경망이 각 단계에서 섞인 노이즈를 예측하도록 훈련시킨다. 생성할 때는 반대로 순수한 무작위 노이즈에서 출발해 이 신경망으로 노이즈를 한 단계씩 걷어내며 점차 이미지를 완성해 나간다. 텍스트를 입력하면 이미지를 만들어주는 서비스 대부분이 내부적으로 이 방식을 쓰고 있어서, 이미지 생성 도구를 다루거나 관련 논문·모델 이름을 접할 때 자주 마주치는 개념이다. 다만 노이즈 제거를 여러 단계 반복해야 하다 보니 한 번에 결과를 내는 모델보다 생성 속도가 느린 편이며, 이를 줄이기 위한 여러 가속 기법이 함께 연구되고 있다는 점은 알아둘 만하다.