확산 모델 (Diffusion Model)
별칭: diffusion model · 디퓨전 모델 · 확산모델
노이즈에서 점진적으로 이미지를 복원하는 방식으로 새 이미지를 만드는 생성 모델.
확산 모델은 이미지 생성 AI에서 자주 쓰이는 모델 계열이다. 무작위 노이즈에서 시작해 프롬프트 조건에 맞는 이미지를 단계적으로 만들어낸다. 초심자는 내부 수식보다 “노이즈를 점점 그림으로 정리하는 방식”으로 이해하면 충분하다.
정의
확산 모델은 데이터에 노이즈를 더했다가 다시 제거하는 과정을 학습해, 새로운 데이터를 생성하는 모델 계열이다. 이미지 생성에서는 무작위 노이즈에서 시작해 텍스트 조건에 맞는 이미지를 점진적으로 만들어내는 방식으로 설명할 수 있다.
왜 중요한가
Stable Diffusion, DALL-E 계열 등 현대 이미지 생성 AI의 중요한 기반 중 하나다. 텍스트 프롬프트를 이미지로 바꾸거나, 기존 이미지를 변형하거나, 특정 스타일을 적용하는 작업에서 확산 모델 아이디어가 널리 쓰인다.
Semicolon에서의 의미
강의에서는 확산 모델을 깊게 수학적으로 다루기보다, 이미지 생성 AI가 “검색해서 가져오는 것”이 아니라 “새 이미지를 생성하는 것”이라는 점을 설명할 때 사용한다. 이 차이를 이해하면 결과물의 저작권·사실성·표시 의무를 더 잘 판단할 수 있다.
주의할 점
확산 모델로 만든 이미지는 실제 사진처럼 보여도 실제 사건이나 제품을 찍은 사진이 아니다. 사람 얼굴, 브랜드 로고, 특정 작가 스타일을 사용할 때는 사용 권리와 오해 가능성을 확인해야 한다.