Model dyfuzyjny
Generatywny model AI uczony stopniowego usuwania szumu z danych. Proces odwrotny — dodajemy szum do czystego obrazu, a model uczy się go odtwarzać — daje generowanie. Napędza wszystkie nowoczesne modele obrazu i wideo.
Kamienie milowe: score matching (Hyvärinen, 2005), DDPM (Ho i in., 2020), dyfuzja latentna (Stable Diffusion, 2022), Diffusion Transformer (DiT, 2023 — napędza Sorę). W odróżnieniu od GAN: stabilniejszy trening i wyższa jakość, ale wolniejsza inferencja. Liczba kroków próbkowania to zwykle 20–50, ale można ją zmniejszyć dzięki destylacji (Latent Consistency Models, SDXL Turbo).