다음은 시기별 주요 디퓨전 모델을 살펴보며, 디퓨전 모델의 발전 과정을 알아보겠습니다.
• Diffusion Probabilistic Model: 2015년에 처음 제안된 확률적 생성 모델 방법론으로, 이후 확산 기반 생성 모델의 시초로 평가받고 있습니다. 이 모델은 데이터를 점차 노이즈화하는 정방향 확산 과정과, 그 노이즈 상태에서 원래 데이터 분포로 되돌아가는 역방향 확산 과정을 모델링하여 데이터 샘플을 생성하는 방식을 제시했습니다.
• Denoising Diffusion Probabilistic Model(DDPM): 2020년에 제안된 DDPM은 Diffusion Probabilistic Model을 개선하여 더 높은 품질의 데이터를 생성하도록 설계되었습니다. 이 모델은 역방향 확산 과정에서 발생하는 노이즈 제거 방식을 최적화하여, 데이터를 고품질로 복원할 수 있게 했습니다.