普及モデル

拡散モデルは、ノイズ付加プロセスを逆転させることを学習することで機能します。トレーニング中に、ランダム ノイズだけが残るまで、各ステップでガウス ノイズが追加されることにより、クリーンな画像が徐々に破損します。その後、モデルは各ステップでノイズを予測して除去する方法を学習し、ノイズから画像を再構成する方法を効果的に学習します。生成中、このプロセスは純粋なランダム ノイズから始まり、繰り返しノイズを除去して一貫性のある詳細な画像を生成します。ノイズ除去の各ステップで画像がさらに洗練され、大まかな形状や色から細かいディテールやテクスチャへと進みます。\n\n建築家は拡散モデルベースのツールを使用して、フォトリアリスティックなインテリア デザイン コンセプトを生成できます。大理石のカウンタートップを備えたモダンなキッチンのテキストによる説明から始まるモデルは、ランダムなノイズから始まり、徐々にそれを詳細な建築の視覚化に解決していきます。プロセスの反復的な性質により、モデルはグローバルな一貫性 (正しい遠近法、一貫した照明) を維持しながら、後のステップで局所的な詳細 (大理石の木目、キャビネットのハードウェア、タイルのグラウト) を追加できます。\n\n拡散モデルは、以前の生成アプローチに比べて大幅な進歩を示しています。以前の最先端技術である敵対的生成ネットワーク (GAN) では、モード崩壊 (限られた種類の生成) やトレーニングの不安定性が発生することがありました。拡散モデルはより安定してトレーニングし、より高い多様性を生成し、生成プロセスをより適切に制御できます。また、既存の画像領域のノイズ除去プロセスを調整することで、インペイントやアウトペイントなどの編集操作も当然サポートします。\n\nMagic Eraser の AI 機能は、拡散モデル テクノロジーを活用しています。このツールは、オブジェクトの削除後に領域を塗りつぶしたり、新しい背景コンテンツを生成したり、画像拡張機能を作成したりするときに、反復的なノイズ除去を使用して、フォトリアリスティックで周囲の画像とコンテキスト的に一貫したコンテンツを生成します。反復的な改良プロセスにより、モデルは各ステップで自身の間違いを修正し、シングルパス生成方法では達成できない方法で、生成されたコンテンツの一貫性と詳細を徐々に改善することができます。これが、拡散ベースのアプローチが視覚的なアーティファクトを著しく減らし、より一貫した結果を生成する理由です。