Un modèle de diffusion est un modèle génératif entraîné à inverser un processus qui ajoute progressivement du bruit aux données. En apprenant à débruiter depuis un bruit aléatoire vers une distribution de données cible, il peut générer des images réalistes, de l’audio, des représentations textuelles ou d’autres sorties.
In machine learning, diffusion models, also known as diffusion probabilistic models or score-based generative models, are a class of latent variable models. They are Markov chains trained using variational inference. The goal of diffusion models is to learn the latent structure of a dataset by modeling the way in which data points diffuse through the latent space. In computer vision, this means that a neural network is trained to denoise images blurred with Gaussian noise by learning to reverse the diffusion process. It mainly consists of three major components: the forward process, the revers