生成AIパスポート 第5回 生成AI 問3(全12問)
潜在拡散モデル(Latent Diffusion Models)の論文(2021年)の説明として、適切なものを1つ選びなさい。
不適切。ピクセル空間で直接動かすと計算コストが大きい、というのが論文の問題意識である。
不適切。論文は、テキストから画像を生成するタスクでも高い性能を示している。
適切(これが正解)。論文は、クロスアテンション層を導入することで、拡散モデルをテキストや領域の枠などの一般的な条件入力に対する強力で柔軟な生成器にしたとし、ピクセル空間で動く拡散モデルの最適化は数百GPU日を要することが多いと指摘している。
不適切。それはGANの説明である。
選択肢を押すと答え合わせができます。
論点
生成AIパスポート » 生成AI » 拡散モデル・潜在拡散モデル
正解
3
解説
潜在拡散モデルは、Stable Diffusionのもとになった技術。ノイズを少しずつ取り除く拡散モデルの計算を、画像を圧縮した潜在空間で行うことで、計算量を大きく減らした。