밑바닥부터 시작하는 딥러닝 5

그림

8-3

확산 모델 모형도

... ...

노이즈 추가

노이즈 제거

그림에서 맨 오른쪽의

x

0

은 관측 변수이고 나머지

x

1

,

x

2

…

x

T

는 모두 잠재 변수입니다. 계층

형

VAE

에서는

z

1

과 같이 잠재 변수에

z

기호를 썼지만, 확산 모델에서는 관측 변수와 잠재 변

수의 차원 수가 같기 때문에 모두

x

로 통일합니다. 다음으로 이 그림에서

q

를 어떻게 표기하는

지 잘 살펴보세요. 계층형

VAE

에서는 와 같이 매개변수 가 붙었지만 확산 모델의

q

는 매

개변수 가 필요하지 않습니다. 고정된 가우스 노이즈만 추가하기 때문입니다.

가우스 노이즈

Gaussian

noise

란 정규 분포에서 생성된 무작위 수를 말합니다.

NOTE_

노이즈를 추가하는 과정은 커피에 우유를 붓는 행위와 비슷합니다. 시간이 흐르면서 우유가 커피 전

체로 확산됩니다. 따라서

t

번째 노이즈 데이터

x

t

는 시각

t

의 노이즈 데이터라고 생각할 수 있습니다.

확산 모델은 노이즈 제거 과정을 신경망으로 모델링합니다. 지금까지 확산 모델의 개념을 간략

하게 알아보았습니다. 다음 절부터는 핵심 과정들을 자세히 설명하겠습니다.

8.2

확산 과정과 역확산 과정

확산 모델에는 두 가지 과정이 등장합니다. 하나는 노이즈를 추가하는 과정입니다. 이 과정을

물리학에서 ‘입자가 무작위로 운동하며 균일하게 퍼지는 현상’에 ...