DDPM

Denoising Diffusion Probabilistic Model, сокр. DDPM
 Одна из базовых диффузионных моделей специальных техник шумоподавления, представленных специалистами Стэнфордского университета (США) в 2015 году. Действует примерно так: её пошагово обучают на базе данных из нескольких сотен тысяч изображений, где на каждом шаге к картинке из выборки добавляется случайный шум (определённой заранее силы, его еще называют Гауссовский шум).
 Сначала шум относительно невелик, после усиливается и на конечном этапе становится более чем заметным. Второй этап: нейронную сеть тренируют так, чтобы она могла обращать подобные «зашумления» в обратном порядке — по сути, повышать качество «порченного» изображения.
 Исследования показали: если итеративно (пошагово) применять обратную модель — обращать изображения с гауссовским шумом в противоположном направлении, при этом не перескакивая итерации, — она окажется способна сгенерировать полностью новое изображение. Оно не будет походить на оригинал, но всё же будет являться высокоточной копией.
🔗 «Разбор: как именно искусственный интеллект создает настолько пугающе реалистичные изображения?» (17.04.2023)

— Игорь Мостицкий (обсуждение) 13:36, 9 января 2026 (MSK)