Diffusiemodel
Generatief AI-model dat leert om stap voor stap ruis uit data te verwijderen. Door het omgekeerde proces (ruis toevoegen aan een schone afbeelding en het herstel aanleren) kan het nieuwe beelden genereren.
Belangrijke mijlpalen: score matching (Hyvärinen, 2005), DDPM (Ho e.a., 2020), Latent Diffusion (Stable Diffusion, 2022) en de Diffusion Transformer (DiT, 2023, de basis van Sora). In vergelijking met GAN's: stabielere training en hogere kwaliteit, maar tragere inferentie. Meestal zijn 20–50 samplingstappen nodig, te verminderen via distillatie (Latent Consistency Models, SDXL Turbo).