Diffusion

Diffusionsmodelle sind ein Ansatz in der generativen KI, bei dem Daten schrittweise von einem Zustand hoher Unordnung (Rauschen) in einen geordneten Zustand (z. B. ein Bild) überführt werden. Der Vorwärtsprozess fügt schrittweise Rauschen hinzu; der Rückwärtsprozess lernt, dieses Rauschen umzukehren.

Vorteile gegenüber GANs: höhere Trainingsstabilität, größere Flexibilität (Bilder, Audio, Text), realistischere und detailreichere Ergebnisse, bessere Kontrollierbarkeit des Generierungsprozesses.

Bekannte Anwendungen: DALL·E 2 und Stable Diffusion (Bildgenerierung aus Textbeschreibungen), Imagen Video (Videogenerierung), Text-to-Audio-Systeme, Bildrestaurierung.