知識 · AI 基礎

擴散模型

Diffusion Model

📂AI 基礎⏱閱讀 2 分鐘📊進階🔗相關 5

什麼是擴散模型?

一句話定義
學習對圖像逐步加入雜訊再去除的過程,從雜訊中生成圖像的代表性圖像生成 AI 方式。
將此主題導入企業內訓📚 相關課程💬 內訓洽詢
⚡ 3 行重點摘要
  • 去除雜訊來生成圖像
  • 雜訊→圖像
  • 最新圖像生成的主流

擴散模型真正改變的,是圖像從「找來用的素材」變成「需要時再生成的素材」。過去得翻找圖庫或安排攝影棚行程,現在初稿階段的成本結構整個翻轉。單張圖的生成成本幾乎收斂為運算時間,實務團隊的工作不再是挑出一張好圖,而是先產出數十張再篩選。

實務上需要區分直接處理像素的方式,與在潛在空間(latent)中運作的方式。Stable Diffusion 系列是在壓縮後的潛在空間中去除雜訊,因此能以少得多的運算量達到相同品質。早期模型需要經過 1,000 個步驟,但現在的取樣器只要 20~50 個步驟就能產出一張圖,若使用蒸餾技術,甚至能降到 1~4 個步驟。與 GAN 的界線也很清楚:GAN 一次生成,速度快,但訓練不穩定,結果容易偏向一側;擴散模型雖然步驟較多,但在多樣性與可控性上更勝一籌。種子值、ControlNet 等條件輸入,以及 LoRA 這類小規模追加訓練,就是這些控制手段。

現場最常出錯的地方,是「只要把提示詞寫好就行」的誤解。同一句提示詞,若種子值或模型版本不同,就會生成不同的圖;如果沒有把設定記錄下來,三個月後就無法重現同樣調性的後續照片。用生成物取代產品照片也很危險。若 logo 文字糊掉、把手數量畫錯的圖片被放上商品詳細頁,就會招來標示廣告爭議與退貨。生成圖應劃清界線,定位為企劃草稿、背景與輔助照片,而非實拍的替代品,並指定最終審核負責人,會比較安全。

會出現此術語的課程 · AI・DX
推薦課程 · 推薦講師 · 迷你報價
🧮 迷你報價 · 講師費基準
約 KRW 1,200,000 (≈ US$900)專題講座 2 小時 · 20 人以下 · 韓語
依此條件取得正式報價 →
💡 簡單來說
一點一點撥開模糊的霧(雜訊),讓圖像浮現的方式——這就是最新 AI 繪圖的原理。
為什麼在實務上很重要
圖像與影片生成 AI 的運作原理。是理解內容製作自動化的基礎概念。
由來與出處

2015 年由 Sohl-Dickstein 等人的研究提出,2020 年經 DDPM 論文實用化後,成為 DALL·E、Midjourney 等圖像生成 AI 的基礎。

出處 · Sohl-Dickstein 等人(2015)、Ho 等人的 DDPM(2020)確立
透過案例理解

以下以虛構案例說明。A 公司是在網路上販售生活家電的企業,全體員工 140 人,年營收約 KRW 90,000,000,000 (≈ US$67,362,200)。每月需製作 30 多款新品的商品詳細頁,若將一張背景照外包拍攝,每張 KRW 600,000 (≈ US$450)、需時 2 週。上半年新品上架延後了 3 週,行銷本部長於是指示:「除了實拍,也來看看其他的路。」

  1. 數位行銷主管統計了去年一整年的商品詳情頁,共 1,280 張,發現其中一半是沒有產品、只展示氛圍的背景與情境照。
  2. 決定只將其中一半改由生成處理,並以自家實拍照 300 張進行 LoRA 小規模訓練以統一色調,於 6 月試營運一個月。
  3. 首次審核時,商品企劃組的課長指出「冰箱把手看起來有兩個」,因此正式確立了含有產品的照片僅限使用實拍的規則。
  4. 設計師 2 人訂定了將模型版本、提示詞與種子值三項保存 6 個月的可重現紀錄原則,並以試算表管理。
  5. 三個月後,背景照片的前置時間由 2 週縮短為 1 天;每月外包費 KRW 18,000,000 (≈ US$13,500) 中節省了 KRW 7,000,000 (≈ US$5,240),新品上架延遲也由 3 週縮短為 2 天。
相關術語
相關 AI 工具
與此術語相關的課程
📚AI 代理實務入門Nanum 經營顧問企業內訓 · 實體/線上查看課程 →
是否需要針對此主題進行企業內訓?
立即取得負責人為您量身打造的課程規劃與報價。
教育洽詢
最後修訂 2026年9月13日 · 監修 金鍾赫

常見問題

語言模型是預測下一個字詞,擴散模型則是透過去除雜訊來生成圖像。生成的對象與方式都不同。
主要用於圖像,但也正擴展至影片、語音與 3D 生成。
語言模型是「預測下一句話」,擴散模型則是「去除雜訊、生成圖像」。
主要用於圖像,但也正擴展至語音、影片等其他生成領域。