What are Diffusion Models?

本記事はWhat are diffusion Models?を許可を得て翻訳したものです。Diffusion Modelの日本語の記事がまったくなかったので勉強がてら、翻訳してみました。誤訳や誤植などありましたらお知らせください。

Quick Summary

良い点: 生成モデルでは扱いやすさと柔軟さの両立は難しいです。扱いやすいモデルは解析的に評価ができ、例えばGaussian やLaplaceを通して安価に学習が行えますが、リッチな画像のデータセットでの表現は難しいものがあります。柔軟なモデルは任意のデータ構造に対して学習することができますが、モデルの学習、評価、生成はいつも大変です。diffusion modelは扱いやすさと柔軟さが両立していると言えるでしょう。
悪い点: doffision modelの生成ステップは長いマルコフ連鎖に依存していて、処理に多大な時間がかかります。高速化手法は新たに提案されていますが、GANと比較すると依然として遅いです。

Diffusion modelはとても新しいタイプの生成モデルで、どのような複雑なデータ分布でも学習することができ、なおかつその分布を解析的に評価することができます。
近年ではDiffusion modelは高精度な画像を生成でき、GANでSOTAなモデルより高い精度を達成しています。

Qiitaでは数式が崩れたので、続きはこちら。