Diffusion Model

Modello generativo che crea dati partendo da rumore casuale e rimuovendolo per passaggi successivi fino a un risultato coerente.

Durante l'addestramento, un Diffusion Model apprende come il rumore altera progressivamente gli esempi reali. In fase di generazione percorre il processo inverso, parte da rumore casuale e raffina il risultato attraverso molti passaggi. Una descrizione testuale o un altro segnale di condizionamento orienta forma, contenuto e dettagli. Questa famiglia è nota per la generazione di immagini, ma viene applicata anche ad audio, video, strutture molecolari e altri dati continui.