拡散モデル（Diffusion Model）— 読み：かくさんもでる
拡散モデル（Diffusion Model）とは、 データにノイズを加えてから取り除く過程を学習し、画像や音声などのデータを生成する深層学習モデル です。このページでは、仕組み、代表的な種類、活用分野、よくある誤解を解説します。
導入Introduction
拡散モデル（Diffusion Model）とは、 データにノイズを加えてから取り除く過程を学習し、画像や音声などのデータを生成する深層学習モデル です。このページでは、仕組み、代表的な種類、活用分野、よくある誤解を解説します。
用語の定義Definition
拡散モデル（Diffusion Model）とは、 データにノイズを加えてから取り除く過程を学習し、画像や音声などのデータを生成する深層学習モデル です。このページでは、仕組み、代表的な種類、活用分野、よくある誤解を解説します。
拡散モデルとは、画像、音声、テキストなどのデータを生成するための深層学習（ディープラーニング）モデルの一種です。近年、特に画像生成の分野で注目されており、非常に高品質な画像を生成できることで知られています。
出典：my-best.ai 用語辞典「拡散モデル（Diffusion Model）」（https://my-best.ai/ai-dictionary/diffusion-model/）
仕組み・原理How it works
2つの過程
| 過程 | 内容 |
|---|---|
| 拡散過程（Forward Diffusion Process） | 元のデータに徐々にノイズを加え、最終的には完全にランダムなノイズの状態にする |
| 逆拡散過程（Reverse Diffusion Process） | ランダムなノイズの状態からノイズを取り除き、元のデータを再構築する |
拡散過程はデータを徐々に破壊していくイメージ、逆拡散過程はAIがノイズから意味のあるデータを生成する、つまり創造的なプロセスとなります。この逆拡散過程を学習することで、拡散モデルは高品質なデータを生成できるようになります。特に、各ステップでわずかなノイズを除去する方法を学習することが重要です。ディープラーニングの基礎については、あわせてご覧ください。
代表的な種類
DDPM
Denoising Diffusion Probabilistic Models（DDPM）は、拡散モデルの基本的な形です。ガウスノイズを段階的に加えて、それを除去するように学習します。高品質な画像を生成できることで知られていますが、計算コストが高いという課題があります。
DDIM
Denoising Diffusion Implicit Models（DDIM）は、DDPMを改良したもので、より高速なサンプリングが可能です。DDPMと同様にノイズを除去する過程を学習しますが、より少ないステップで高品質な画像を生成できるため、効率的な生成が求められる場合に適しています。
関連する生成モデルとしてGAN（敵対的生成ネットワーク）やVAE、応用先として画像生成AIの記事もあわせてご覧ください。
活用分野
- 画像生成：テキストから画像を生成する「Text-to-Image」がもっとも一般的な活用例
- 画像編集：既存の画像を編集する際にも活用できる
- 音声生成：テキストから自然な音声を生成したり、既存の音声データを編集したりする
- 医療分野：MRIやCTスキャンの画像を生成し、病変の検出や診断を支援する
拡散モデルは、その高い生成能力から、さまざまな分野で活用されています。医療分野では、診断精度の向上や効率化への貢献が期待されています。
生成の品質と速度のバランス
拡散モデルは高い品質の生成を得意としますが、ノイズを除去するステップを何度も繰り返すため、計算に時間がかかる傾向があります。実用では、品質と生成速度のバランスを取りながら、用途に合った方式やステップ数を選ぶことが重要です。
ほかの生成モデルとの関係
拡散モデルは、ノイズからデータを生成するという点でほかの生成モデルと共通しますが、学習のさせ方が異なります。複数の方式を理解し、目的に応じて使い分けることが、よい生成結果につながります。
よくある誤解
誤解：拡散モデルは画像生成専用である
実際は：画像だけでなく、音声やテキストの生成、医療画像の生成など幅広い用途に使われています。
誤解：ノイズを加える工程は不要である
実際は：拡散過程でノイズを加えることにより、逆拡散過程でそのノイズを除去する方法を学習でき、生成の品質につながります。
誤解：処理は常に高速である
実際は：基本形のDDPMは計算コストが高く、より少ないステップで生成できる改良版も開発されています。
原始出處Origin
本項の定義・解説は、my-best.ai 用語辞典の同項目記事（編集部執筆）を底本に再構成したものです。初出時期や命名者について確立した一次資料が本文中に明記されていない場合は、推測での記載を見送っています。
応用シーンUse cases
画像生成 ：テキストから画像を生…
画像生成 ：テキストから画像を生成する「Text-to-Image」がもっとも一般的な活用例
画像編集 ：既存の画像を編集する…
画像編集 ：既存の画像を編集する際にも活用できる
音声生成 ：テキストから自然な音…
音声生成 ：テキストから自然な音声を生成したり、既存の音声データを編集したりする
医療分野 ：MRIやCTスキャン…
医療分野 ：MRIやCTスキャンの画像を生成し、病変の検出や診断を支援する
メリット・デメリットPros & Cons
メリット
- 近年、特に画像生成の分野で注目されており、非常に高品質な画像を生成できることで知られています
- この逆拡散過程を学習することで、拡散モデルは高品質なデータを生成できるようになります
- 高品質な画像を生成できることで知られていますが、計算コストが高いという課題があります
デメリット・注意点
- 高品質な画像を生成できることで知られていますが、計算コストが高いという課題があります
よくある誤解Misconceptions
関連用語Related terms
用語同士は相互リンクされています。
プロンプト集Prompt collection
理解を定着させるためのプロンプト例です。コピーして〔 〕内を置き換えてご利用ください。
理解を深める質問
前提知識なしで概念を掴む
あなたは AI 教育の講師です。「拡散モデル（Diffusion Model）」を、AI に詳しくない日本の社会人にも分かるように説明してください。専門用語を使った場合は、その直後に噛み砕いた言い換えを添えてください。最後に要点を 3 行でまとめてください。
整理・比較
関連用語との違いを表で整理する
「拡散モデル（Diffusion Model）」について、①定義 ②仕組み ③代表的な活用例 ④よくある誤解 を見出し付きで整理してください。同じ分野の類似用語があれば、その違いを表形式で示してください。
実務への検討
自社業務への適用を検討する
「拡散モデル（Diffusion Model）」を〔業種・業務〕で活用する場合に期待できる効果と注意点を、それぞれ 3 つずつ提案してください。判断の前提条件や、確認すべき事実があれば明示してください。
FAQ（よくある質問）FAQ
拡散モデル（Diffusion Model）とは、一言でいうと何ですか？
拡散モデル（Diffusion Model）のポイントはどこですか？
拡散モデル（Diffusion Model）を扱うときの注意点は？
出典・参考文献References
定義の記述は my-best.ai 用語辞典（編集部執筆）に基づきます。リンク先の内容は公開時点のものです。
まとめSummary
拡散モデル（DiffusionModel）とは、データにノイズを加えてから取り除く過程を学習し、画像や音声などのデータを生成する深層学習モデルです。
- まず「拡散モデル（Diffusion Model）」の定義を自分の言葉で言い換えられるようにする
- 関連用語との違いを「関連用語」セクションから確認する
- プロンプト集の型を使って、理解した内容をアウトプットで確認する