定義
拡散モデルとは、画像にノイズを加えて壊す過程を学習し、逆にノイズから画像を復元することで高品質な画像を生成するAIの仕組みのこと。
拡散モデル (Diffusion Model)とは（詳しく解説）
拡散モデルは、データにステップごとにガウスノイズを加える「順拡散」と、そのノイズを段階的に除去して元に戻す「逆拡散」をニューラルネットワークで学習する生成モデルの一種。Stable DiffusionやMidjourneyの中核技術であり、GANと比べてモード崩壊が少なく多様な出力が得られる点で2023年以降の画像生成AIの主流になった。 2026年時点の実運用での落とし穴として、生成ステップ数（通常20〜50ステップ）がそのままGPU推論コストに直結する点がある。高解像度（1024px以上）を大量生成する現場では1枚あたり0.01〜0.05ドル超になるケースも多く、相場感を把握せずに本番導入するとコストが想定の数倍に膨らむ。またテキストプロンプトと出力の整合性はLoRAやControlNetで制御できるが、日本語プロンプト精度はモデルによって大きく差があるため、AI PICKSでも「日本語対応度」を評価軸に置いている。用途別の選び方として、商用利用ならライセンスが明確なモデル（SDXL Turbo等）、高速生成ならLCM系の少ステップモデルを選ぶのが現場の定石。
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「拡散モデル (Diffusion Model)とは」 https://aipicks.jp/glossary/diffusion-model
拡散モデル (Diffusion Model)の使用例
- 商品画像を大量生成する案件で、ステップ数を50→20に下げてLCMサンプラーに切り替えたところ、コストを60%削減しつつ品質を維持できた事例。
- プロンプト例：「白背景、プロダクト写真、ミニマル、スタジオ照明、高解像度」とControlNetのCanny条件を組み合わせて構図を固定する手法。
