Difüzyon Modeli (Diffusion Model)

Difüzyon Modeli nedir?

Difüzyon modeli, yapay zekanın görüntü, ses ve video üretmek için kullandığı temel yaklaşımlardan biridir. Adım adım gürültü ekleyip sonra o gürültüyü geri çözerek anlamlı içerik oluşturur.

Nasıl çalışır?

Eğitim sırasında model, gerçek bir görüntüye aşamalı olarak rastgele gürültü ekler; ta ki görüntü tamamen gürültüden ibaret olana kadar. Ardından bu süreci tersine almayı öğrenir: saf gürültüden başlayarak her adımda biraz daha anlamlı bir görüntüye ulaşır.

Üretim aşamasında ise model tamamen rastgele bir gürültü vektöründen başlar. Kullanıcının verdiği metin promptu sayesinde gürültü her adımda doğru yönde temizlenir. Sonuç: promptla örtüşen orijinal bir görüntü.

Bu süreçteki kritik bileşen, her adımda "bir sonraki daha temiz hali ne olmalı?" sorusunu yanıtlayan U-Net veya Transformer tabanlı bir sinir ağıdır.

Neden önemli?

Difüzyon modelleri, 2022-2023 döneminde görüntü üretiminde GAN'ları büyük ölçüde geride bıraktı. Başlıca nedenler:

• Çeşitlilik: Aynı prompt için her seferinde farklı çıktılar.
• Kalite: Yüksek çözünürlüklü, detaylı görüntüler.
• Kontrol edilebilirlik: Metin, kenar haritası, poz bilgisi gibi koşullarla yönlendirilebilir.
• Kararlılık: GAN eğitimindeki mode collapse sorunlarından görece uzak.

Kullanım alanları

• Metin→Görüntü üretimi
• Görüntü düzenleme (inpainting)
• Süper çözünürlük
• Video üretimi
• Ses sentezi
• 3D içerik ve molekül tasarımı