G検定 用語解説
Diffusion Modelとは
画像へ段階的にノイズを加えていく過程を学習し、その逆の過程(ノイズ除去)をたどることで、ノイズから新しい画像を生成する生成モデル。
この記事の目次
Diffusion Modelの意味と見分け方
Diffusion Modelは、G検定の「大項目6 ディープラーニングの応用例」に出てくる用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。
試験概要(公式)試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
「大項目6 ディープラーニングの応用例」の問題で、取り違えやすい組み合わせです。
- 物体検出(R-CNN系/YOLO/SSD)とセグメンテーション(セマンティック=画素単位の塗り分け、インスタンス=個体ごとに区別)の混同。
- word2vec・BERT・GPTの違い(BERT=前後両方向、GPT=一方向・自己回帰)。
- 強化学習の応用(DQN、AlphaGo)と画像/言語タスクの取り違え。
関連する確認問題
大項目6 ディープラーニングの応用例 / 生成AI・基盤モデル
Hoらが2020年に発表した拡散確率モデルの論文(Denoising Diffusion Probabilistic Models)の抄録が述べる内容として、最も適切なものはどれか。
正解は「非平衡熱力学に着想を得た潜在変数モデルの一種である拡散確率モデルで高品質な画像合成の結果を示し、重み付き変分下界で学習した」である。拡散確率モデルの論文(arXiv:2006.11239)の抄録は、非平衡熱力学の考え方に着想を得た潜在変数モデルの一種である拡散確率モデルで、高品質な画像合成の結果を示すと述べる。最良の結果は、拡散確率モデルとLangevin動力学を用いたデノイジング・スコアマッチングの新しい関係に基づいて設計した重み付き変分下界で学習して得られる。条件なしのCIFAR10でInception scoreは9.46、最先端のFIDスコアは3.17、256×256のLSUNではProgressiveGANと同程度の標本品質を得たと述べる。
同じ章で確認したい用語
到達チェック
- Diffusion Modelを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、Diffusion Modelに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
用語を試験範囲の流れで読み直す本(Amazon)
PR執筆: AI資格ドリル編集部(運営者情報を見る)

