定義
DDIMインバージョンとは、拡散モデルの逆過程をたどって実在する画像に対応する潜在変数(初期ノイズ)を復元する手法のこと。
DDIMインバージョン (実画像の潜在復元)とは（詳しく解説）
DDIM(Denoising Diffusion Implicit Models)インバージョンは、拡散モデルの決定論的サンプリング過程を逆にたどり、実在する画像に対応する潜在変数(初期ノイズ)を推定する技術で、Stable Diffusion系の画像編集における基盤手法の一つとされる。通常の拡散モデルはランダムなノイズから画像を生成するが、DDIMインバージョンでは既存画像を潜在空間へ一旦「巻き戻し」、その潜在変数を起点にプロンプトを変えて再生成することで、構図やポーズを保ったまま被写体や画風だけを変更できる。2026年時点の実運用では、逆変換と再生成の往復で誤差が蓄積し、ステップ数を絞ると背景や細部が崩れやすい点が課題とされ、現場では品質とコスト(計算時間・GPU利用料)のバランスを見てステップ数を調整する運用が定着している。簡易な色調変更ならControlNet系の軽量手法、構図保持を伴う本格編集ならDDIMインバージョン、という使い分けが選び方の目安とされる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「DDIMインバージョン (実画像の潜在復元)とは」 https://aipicks.jp/glossary/ddim-inversion
DDIMインバージョン (実画像の潜在復元)の使用例
- 実写ポートレートをDDIMインバージョンで潜在変数化し、プロンプトを『油絵風』に差し替えて再生成し画風だけを変更する。
- 商品写真の構図を保ったまま背景だけをDDIMインバージョン経由で差し替える編集ワークフローに使われる。
