Modèle de diffusion
Aussi : diffusion model
Modèle génératif qui produit une image en partant d’un bruit aléatoire et en le débruitant par étapes, guidé par une description.
À l’entraînement, on ajoute progressivement du bruit à des images jusqu’à les rendre méconnaissables, et le modèle apprend à inverser l’opération. À l’usage, il part d’un bruit pur et le nettoie pas à pas ; le prompt oriente chaque étape vers une image qui lui correspond. L’article de Ho, Jain et Abbeel, en 2020, a établi la qualité de cette approche pour la synthèse d’images.
C’est la technique derrière de nombreux générateurs d’images, à côté d’autres approches intégrées aux modèles multimodaux. Le modèle ne colle pas des morceaux d’images existantes : il génère des pixels neufs. Cela ne règle ni la question des droits sur les images d’entraînement, ni celle de l’exactitude : une image générée d’un produit n’est pas une photo de ce produit.
Source Ho, Jain et Abbeel — Denoising Diffusion Probabilistic Models (arXiv 2006.11239)