扩散模型

扩散模型是生成图像的AI中最具代表性的架构。它的原理很独特——先把一张干净的图片叠加大量噪声,直到完全变成杂讯,然后训练模型学习这个过程的反向操作。通过无数次重复「从被破坏的图片中一点点去除噪声就能还原出原图」这一过程完成学习,实际使用时则从纯粹的噪声开始,逐步生成一张图片。

Midjourney、DALL-E、Stable Diffusion——名字各不相同,但核心引擎都是扩散。「输入提示词就能生成图片」的图像生成AI浪潮,其技术根基正是这个。

最近,扩散方式已经从图像扩展到视频(Sora)、音乐、3D模型等领域。新闻中如果出现「基于扩散的模型」,理解为「通过去除噪声的方式生成内容的架构」即可。

「新的扩散模型比现有图像生成AI输出更逼真的结果」——意思是去噪过程得到了改进,画质因此提升。