拡散モデル
データから少しずつノイズを取り除くよう訓練される生成AIモデル。逆向きの過程、つまりきれいな画像にノイズを足してそこから復元することを学ぶことで生成が可能になる。現代の画像・動画生成モデルの大半を動かしている。
技術的な節目は、スコアマッチング（Hyvärinen、2005）、DDPM（Hoら、2020）、潜在拡散（Stable Diffusion、2022）、Diffusion Transformer（DiT、2023、Soraの基盤）。GANと比べると、学習が安定し品質も高いが、推論は遅い。サンプリングは通常20〜50ステップだが、蒸留（Latent Consistency Models、SDXL Turbo）で減らせる。