Diffusion Model
Modelo de difusión
En una frase
Diffusion Model: un modelo generativo que aprende a crear imágenes (u otros datos) partiendo de ruido aleatorio y eliminándolo paso a paso.
¿Demasiado técnico? Ver explicación sencilla¿Quieres profundizar? Ver explicación técnica
Explícamelo fácil
Durante el entrenamiento, se toman imágenes reales y se les añade ruido poco a poco hasta que son pura estática. El modelo aprende el proceso inverso: dada una imagen con ruido, quitar un poco de ruido.
Para generar, se empieza con estática pura y se aplica ese «limpiador» muchas veces. Guiado por tu descripción en texto, el ruido se va convirtiendo en una imagen nueva.
Cómo funciona
Generar una imagen con difusión
- Prompt«Un faro al atardecer, acuarela»
- Ruido aleatorioSe parte de estática pura
- Eliminar ruido × N pasosEn cada paso el modelo predice y quita un poco de ruido, guiado por el texto
- Imagen finalUna imagen nueva que coincide con la descripción
Nivel técnico
Profundizando
El proceso forward añade ruido gaussiano según un calendario hasta destruir la señal; una red (tradicionalmente una U-Net, cada vez más Transformers de difusión) aprende a predecir el ruido añadido en cada nivel (Ho et al., 2020, DDPM, a partir de ideas de Sohl-Dickstein et al., 2015). La generación invierte el proceso iterativamente. El condicionamiento por texto usa embeddings de un codificador de texto y classifier-free guidance para seguir el prompt. Muestreadores más eficientes reducen el número de pasos. La variante latente opera en un espacio comprimido.
¿Por qué importa?
Son la tecnología detrás de la mayoría de los generadores de imágenes y muchos de video actuales.
¿Dónde se utiliza?
- Generación de imágenes
- Edición de imágenes
- Video
- Audio
- Diseño de moléculas
Antes de aprender esto
Si alguno te resulta nuevo, empieza por ahí.
Continúa aprendiendo
Conceptos relacionados
Aparece en la ruta Cómo genera imágenes una IA.