확산 손실은 확산 모델과 관련된 손실 함수로, 모델이 학습 중에 점진적으로 노이즈를 제거하고 데이터의 원래 구조를 복원하는 방법을 학습하도록 안내하는 데 사용됩니다. 확산 모델은 순방향 확산 과정과 역방향 확산 과정의 두 단계로 작동합니다. 전방 확산 과정 동안 모델은 데이터가 완전히 노이즈로 변환될 때까지 점차적으로 데이터에 노이즈를 추가합니다. 역 확산 과정 동안 모델은 노이즈를 제거하고 데이터를 복원하는 방법을 학습합니다.

확산 손실 함수의 목적은 잡음 제거 과정의 예측 오류를 최소화하는 것입니다. 즉, 모델이 예측한 잡음 제거 결과와 실제 데이터 간의 차이를 최소화하는 것입니다. 이 손실 함수는 일반적으로 평균 제곱 오차(MSE) 또는 변분 추론 원리를 기반으로 정의됩니다.