拡散損失は拡散モデルに関連する損失関数で、トレーニング プロセス中にモデルが徐々にノイズを除去し、データの元の構造を復元する方法を学習するようにガイドするために使用されます。拡散モデルは、前方拡散プロセスと後方拡散プロセスの 2 つの段階を通じて動作します。前方拡散プロセス中、モデルはデータが完全にノイズに変換されるまで徐々にデータにノイズを追加します。一方、逆拡散プロセス中、モデルはノイズを除去してデータを復元する方法を学習します。

拡散損失関数の目的は、ノイズ除去プロセスの予測誤差、つまりモデルによって予測されたノイズ除去結果と実際のデータの差を最小限に抑えることです。この損失関数は通常、平均二乗誤差 (MSE) または変分推論 (変分推論) の原理に基づいて定義されます。