現代の AI アートに影響を与えた物理原理 from WIRED(AI)

このアルゴリズムは、最初にトレーニング データ セット内の複雑な画像を単純なノイズに変換します (インクの塊から水色の水を拡散させるのと似ています)。
まず、アルゴリズムはトレーニング セットから画像を取得します。
このプロセスが続くと、ピクセルの値は元の画像の値との関係が少なくなり、ピクセルは単純なノイズ分布のように見えます。
最終的に、ニューラル ネットワークは、単純な分布のサンプルを表すノイズの多い画像を、複雑な分布のサンプルを表す画像に確実に変換できます。
Sohl-Dickstein は 2015 年に拡散モデル アルゴリズムを公開しましたが、GAN でできることにはまだかなり遅れていました。
拡散モデルは分布全体をサンプリングでき、画像のサブセットのみを吐き出すことはありませんが、画像の見栄えが悪く、プロセスが遅すぎました。