[G1-Sync] Manual knowledge update

10_Wiki/Topics/Diffusion-Models.md

@@ -2,17 +2,17 @@
 id: DIFFUSION-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [ai, generative-model, diffusion-model, image-generation, deep-learning]
+tags: [ai, generative-model, diffusion-model, image-generation, [[Deep-Learning]]]
 last_reinforced: 2026-04-26
 ---
 
 # Diffusion Models (확산 모델)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
-> "혼돈(Noise) 속에서 질서를 찾아내어 무(無)에서 유(有)를 창조하라" — 데이터에 노이즈를 점진적으로 추가했다가 이를 다시 제거하는 역과정(Denoising)을 학습하여, 단순한 노이즈로부터 고품질의 이미지나 데이터를 생성하는 최신 생성 모델.
+> "혼돈([[Noise]]) 속에서 질서를 찾아내어 무(無)에서 유(有)를 창조하라" — 데이터에 노이즈를 점진적으로 추가했다가 이를 다시 제거하는 역과정(Denoising)을 학습하여, 단순한 노이즈로부터 고품질의 이미지나 데이터를 생성하는 최신 생성 모델.
 
 ## 📖 구조화된 지식 (Synthesized Content)
-- **추출된 패턴:** 정규 분포를 따르는 무작위 노이즈에서 시작하여, 모델이 학습한 데이터의 분포를 따라 미세한 패턴을 복원해나가는 반복적 정제(Iterative Refinement) 패턴.
+- **추출된 패턴:** 정규 분포를 따르는 무작위 노이즈에서 시작하여, 모델이 학습한 데이터의 분포를 따라 미세한 패턴을 복원해나가는 반복적 정제(Iterative [[Refinement]]) 패턴.
 - **작동 원리:**
     - **Forward Process:** 데이터에 가우시안 노이즈를 단계적으로 추가하여 완전한 노이즈 상태로 만듦.
     - **Reverse Process (Denoising):** 각 단계에서 추가된 노이즈를 예측하고 제거하여 원래 데이터를 복구하도록 모델을 학습.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 위키 문서의 시각화 보조 자료나 목업 이미지를 생성할 때 최신 확산 모델 기반의 API를 활용하여 고품질 결과물을 생성함.
 
 ## 🔗 지식 연결 (Graph)
-- Generative-Adversarial-Networks-GAN, [[Variational-Autoencoders-VAE]], [[CLIP]], Computer-Vision-Mastery
+- [[Generative-Adversarial-Networks]]-GAN, [[Variational-Autoencoders-VAE]], [[CLIP]], [[Computer-Vision]]-[[Mastery]]
 - **Raw Source:** 10_Wiki/Topics/AI/Diffusion-Models.md