CRYPTO & AI
無料で登録
AI

【拡散モデル】ノイズから画像や動画を作る仕組みと、トランスフォーマーとの組み合わせ

画像・動画の生成AIの多くが使う「拡散モデル」を、ノイズを足して消す仕組み、文章で指示する方法、トランスフォーマーとの組み合わせ、速くする工夫とあわせて整理します。

【拡散モデル】ノイズから画像や動画を作る仕組みと、トランスフォーマーとの組み合わせ

GoogleはVeo 3のモデルカードで、潜在拡散(latent diffusion)を、いまの画像・音声・動画の生成モデルの「事実上の標準の手法」だと書いています。このカードは2026年1月に更新され、Veo 3以降の版にも当てはまるとされています。

文章から画像や動画を作るAIは、白紙に絵を描くのではなく、砂嵐のようなノイズを少しずつ消して絵を浮かび上がらせています。この記事では、その「拡散モデル」の仕組みと、トランスフォーマーと組み合わされるようになった経緯を整理します。

TOPICS

DEBUNK編集長

次に読む

【シム・トゥ・リアル】仮想空間で練習したロボットを現実で動かすとき、何がずれて、どう埋めるのか

ロボットの学習のニュースでよく出てくる「シム・トゥ・リアル」を、現実とのずれが生まれる理由、ずれを埋める方法、よくある誤解とあわせて整理します。

AI 2026.11.22

【タンパク質の構造予測】AlphaFold は何を当てていて、薬の候補との結合の予測とはどう違うのか

今週の資金調達で目立った AI 創薬の土台にある「タンパク質の構造予測」を、仕組み、結合の予測との違い、よくある誤解とあわせて整理します。

AI 2026.11.22

【グリーンシュー】Anthropicの上場で引受会社が使った「追加購入権」は、何のための仕組みか

IPOのニュースに出てくる「グリーンシュー(追加購入権)」の仕組みを、引受会社が先に多めに売っておく理由と、上場後の株価による使い分けとあわせて、Anthropicの数字で整理します。

AI 2026.11.22

【OCR(光学文字認識)】紙やPDFの文字をテキストに直す仕組みと、AIのモデルで変わったこと

紙の書類やスキャンしたPDFから文字を取り出す OCR(光学文字認識、Optical Character Recognition)の仕組みを、従来のやり方と、画像と文章を一緒に扱う AI のモデルによるやり方の違いとあわせて整理します。

AI 2026.11.21