拡散モデルは、画像や動画の生成に使われるAI手法で、初めに完全なノイズ画像から始めて徐々にノイズを取り除きながら目的の画像を生成します。学習段階では、元画像に少しずつノイズを加え、モデルにそのノイズを正確に予測させることで精度を高めます。VAEによる圧縮表現やキャプションなしデータを混ぜる分類器なしガイダンスなどの工夫も特徴です。動画や音声、さらにはテキストにも応用可能ですが、特にテキストでは復元が難しい点が課題です。