Diffusionsmodell

Engelsk term: Diffusion model
Svensk term: Diffusionsmodell

Vad är Diffusionsmodell?

En diffusionsmodell är en typ av generativ AI som kan skapa nya bilder. Den tränas genom att man gradvis lägger brus på bilder tills de blir oigenkännliga, och modellen får lära sig att vända processen: att steg för steg ta bort bruset. När den sedan skapar en ny bild börjar den från rent brus och tar bort det steg för steg, styrd av din textbeskrivning, tills en tydlig bild växer fram. Tekniken används i bildgeneratorer som Midjourney och DALL-E 2 och 3.

Fem rutor i rad, från rent brus till vänster till en tydlig bild av en sol till höger, med pilar mellan rutorna som visar att modellen stegvis tar bort brus. — Modellen tränas genom att se hur en bild förstörs av brus, och lär sig sedan att gå motsatt väg, steg för steg, från brus till bild.

Det skiljer sig från hur en språkmodell arbetar. En språkmodell bygger sitt svar ett ord i taget, från början till slut. En diffusionsmodell arbetar med hela bilden på en gång och förfinar den i många steg, ungefär som när ett suddigt foto sakta blir skarpt.

Modellen har lärt sig hur bilder brukar se ut från sina träningsbilder, så resultatet speglar de mönstren: vanliga stilar, vanliga motiv och ibland stereotyper. Ber du om en bild av en chef får du lätt det som var vanligast i träningsbilderna. Samma teknik används i dag även för att skapa video.

Ursprung och källa

Jascha Sohl-Dickstein et al., 2015; Jonathan Ho et al. (DDPM), 2020

Se även

Generativ AI

Läs mer

Nu kan du det här ordet.

Hur många fler har du koll på? Spela Ordkollen →