2nd/10_Wiki/Topics/Diffusion-Models.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
DIFFUSION-001	10_Wiki/💡 Topics/AI	1.0	ai generative-model diffusion-model image-generation Deep-Learning	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.

📖 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.
• 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.
  • Sampling: 학습된 모델을 사용해 순수 노이즈로부터 한 단계씩 노이즈를 걷어내며 새로운 데이터 생성.
• 의의: GAN의 학습 불안정성 문제를 해결하고, 압도적인 데이터 생성 품질과 다양성을 확보하여 Midjourney, Stable Diffusion 등의 기반 기술이 됨.

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: GAN이 생성 모델의 정답으로 여겨지던 시대를 지나, 더 안정적이고 고성능인 확산 모델이 이미지/비디오 생성의 새로운 표준으로 자리 잡음.
• 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
• Raw Source: 10_Wiki/Topics/AI/Diffusion-Models.md