디퓨전 모델의 개념과 발전
디퓨전 모델(Diffusion Model)은 데이터에 노이즈(잡음)를 점진적으로 추가했다가, 이를 다시 제거하는 과정으로 원본 데이터를 복원하거나 새로운 데이터를 생성하는 딥러닝 모델입니다. 이 과정은 두 가지 주요 단계로 구성됩니다.
▲ 그림 1-39 디퓨전 모델 예시
출처: https://developer.nvidia.com/blog/improving-diffusion-models-as-an-alternative-to-gans-part-1/
• 정방향(전방) 확산 과정(forward diffusion process): 실제 데이터에 점진적으로 노이즈를 추가하여 최종적으로 노이즈만 있는 상태로 변환합니다. 이 과정은 데이터의 분포를 점차 흐리게 만드는 역할을 합니다.
• 역방향 확산 과정(reverse diffusion process): 노이즈가 있는 데이터를 원래의 데이터로 복원하기 위해 노이즈를 제거하는 과정입니다. 이 과정에서 모델은 노이즈 제거를 학습하며, 이를 통해 새로운 데이터를 생성할 수 있습니다.