要約
拡散確率モデル（diffusion probabilistic models）を用いた高品質な画像合成結果を提示する。このモデル群は非平衡熱力学に基づく考察から着想を得た潜在変数モデルの一類である。本研究で得られた最良の結果は、拡散確率モデルとランジュバンダイナミクスを用いたノイズ除去スコアマッチングとの間の新たな関係性に基づいて設計された重み付き変分境界（weighted variational bound）を用いた学習によって達成された。また、本モデルは自然に段階的かつ損失を伴う再構成（lossy decompression）スキームを備えており、これは自己回帰的デコード（autoregressive decoding）の一般化と解釈できる。無条件のCIFAR10データセットにおいて、インセプションスコア（Inception score）9.46および最先端のFIDスコア3.17を達成した。256×256のLSUNデータセットでは、ProgressiveGANと同等のサンプル品質を実現した。実装コードは以下のGitHubリポジトリで公開されている：https://github.com/hojonathanho/diffusion