⑤ ディープラーニングの応用例 ／ 30. データ生成
Diffusion Modelとは
拡散モデルとは、データに徐々にノイズを加える拡散過程と、その逆過程を学習することで、ノイズからデータを生成する確率モデルです。近年の高品質画像生成の主流手法で、GANよりも安定した学習が可能です。
この用語はG検定シラバスの「30. データ生成」に含まれます。 章全体の用語は用語解説⑤（全133語）にまとまっています。
一言でいうと
ノイズを少しずつ取り除いていくことで画像を作り出す、現在主流の生成モデルです。
2つの過程
- 拡散過程（順方向）：画像に少しずつノイズを加え、最終的に完全なノイズにする。これは学習しない（決められた手順）
- 逆過程（生成）：ノイズから少しずつノイズを取り除いて画像に戻す。ここを学習する
生成時は完全なノイズから始め、何段階もかけて少しずつきれいにしていきます。
なぜGANより安定なのか
GANは2つのネットワークを競わせるためバランスが崩れやすい手法でした。
拡散モデルは「ノイズを少し取り除く」という単純な課題を繰り返し解くだけです。競い合う関係がないため学習が安定します。
一方、生成に何段階も必要なため生成が遅いという弱点があります。高速化の研究が進められています。
画像以外への応用
拡散モデルの考え方は画像に限りません。音声・動画・分子構造の生成にも応用されています。
「ノイズから少しずつ形を作る」という発想が、さまざまなデータ形式で有効に働くことが分かってきています。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| 拡散モデル | ノイズ除去を繰り返す。安定・高品質だが遅い |
| GAN | 生成器と識別器を競わせる。速いが不安定 |
🎯 G検定での押さえどころ
- ノイズを加える拡散過程とその逆過程
- 学習するのは逆過程（ノイズ除去）
- GANより安定だが生成は遅い
⚠️ よくある誤りの選択肢
- 「拡散モデルは拡散過程を学習する」→ 誤り。学習するのは逆過程です
- 「拡散モデルはGANより学習が不安定である」→ 誤り。より安定しています
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「識別モデルと生成モデル」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。