Это класс моделей машинного обучения, которые недавно получили большое внимание, особенно в контексте генеративный моделей, таких как GANs и VAEs. Они используют, как ни странно, процесс диффузии для генерации новых данных, например, изображений. звуков и текста.
Диффузные модели основаны на двух процессах:
- Форвардный процесс (процесс добавления шума): это процесс, при котором данные постепенно искажаются путем добавления шума на каждом шаге, пока они не станут полностью случайными (белым шумом)
- Обратный процесс (процесс удаления шума): это процесс, при котором модель учится постепенно убирать шум, восстанавливая данные обратно к их исходному состоянию
Задача модели - научиться убирать шум, добавленный на каждом шаге форвардного процесса. Для обучения модели используется метод максимального правдоподобия.