Bài viết giải thích nguyên lý của Diffusion Models

Bài viết này trình bày tổng quan về mô hình khuếch tán (Diffusion Models) và nguyên lý hoạt động của chúng. Mô hình khuếch tán là một kỹ thuật dùng để học phân phối dữ liệu, chủ yếu được ứng dụng trong việc tạo sinh hình ảnh.

Về cơ bản, mô hình khuếch tán bắt đầu từ dữ liệu có nhiều nhiễu và dần dần loại bỏ nhiễu để tạo ra dữ liệu. Quá trình này gồm hai giai đoạn: quá trình khuếch tán thuận và quá trình khuếch tán ngược. Ở quá trình khuếch tán thuận, dữ liệu được biến đổi dần sang trạng thái ngày càng nhiều nhiễu; còn ở quá trình khuếch tán ngược, lượng nhiễu này được loại bỏ từng bước để khôi phục về dữ liệu gốc.

Việc huấn luyện mô hình được thực hiện theo hướng giảm thiểu sự khác biệt giữa dữ liệu đã cho và dữ liệu bị trộn nhiễu, qua đó mô hình dần có thể tạo ra dữ liệu mang tính hiện thực hơn. Những mô hình khuếch tán này đặc biệt thể hiện hiệu năng mạnh mẽ trên các bộ dữ liệu quy mô lớn và đã trở thành một công nghệ quan trọng trong lĩnh vực mô hình tạo sinh, bên cạnh GAN (Generative Adversarial Networks).