AI 术语表 · 基础 · 生成式媒体
扩散模型
扩散模型是一种生成式AI模型，它从随机噪声出发，一点点去除噪声，从而生成图像、视频、声音等数据。训练时，它学习从混有噪声的数据中猜出这些噪声。
通俗解释 这类似于一点点擦拭蒙满水汽的玻璃窗，窗外的风景会逐渐变得清晰。不过在扩散模型中，玻璃窗后面原本并没有既定的风景。不同之处在于，擦拭的过程本身会创造出一幅逼真的新风景。
工作原理
训练时，先向真实图像逐步混入噪声（随机杂讯），使其越来越难以辨认。然后让模型猜出“这张图像中混入了什么噪声”。大量重复这种练习后，模型就学会了去除噪声的方法。生成内容时，从纯噪声开始，反复多次让模型预测噪声并一点点去除。这样最后就会得到一张清晰的图像。
为什么重要
扩散模型是当今图像生成AI的主流方式，这得益于其生成结果精细多样、训练也相对稳定等优点。如果把“夕阳下海边的猫”这样的文字（提示词）作为条件一起输入，模型就会在去除噪声的同时，朝符合该描述的方向生成图片。同样的原理正在扩展到视频、语音、音乐、3D、机器人动作生成等领域。
须知要点
由于需要多次重复去除噪声的过程，与一次性输出结果的方式相比，生成速度较慢，计算成本也较高。因此，减少迭代次数的技术正被积极研究，用Distillation减少步数的方法就是其中之一。为了节省成本，不在原始图像上、而在压缩后的较小空间中去除噪声的方式（潜在扩散）也被广泛使用。训练数据的版权、被滥用于深度伪造等社会问题也在一并讨论中。
示例
Stable Diffusion这类图像生成模型是具有代表性的扩散模型。用户用文字写下想要的场景，模型就从随机噪声出发，按照该描述去除噪声，完成图片。如今，用文字生成视频的服务、语音和音乐生成工具，以及擦除照片局部并自然填补的编辑功能，也都使用同样的原理。