解説

拡散モデルは、画像にガウスノイズを少しずつ加えていく「順拡散」過程とその逆の「逆拡散（ノイズ除去）」過程を学習します。生成時はランダムノイズから始め、テキストプロンプト等を条件としながら段階的にノイズを除去して画像を生成します。 選択肢AはGAN（敵対的生成ネットワーク）の説明であり、生成器と識別器が競い合う仕組みを指します。拡散モデルは識別器を持たず、GANとは根本的に異なるアーキテクチャです。 選択肢Bはデータベース検索・組み合わせ型の生成方式の説明であり、拡散モデルは既存画像を組み合わせるのではなく、ノイズ除去により画像をゼロから生成します。 選択肢Cが正しい拡散モデルの動作原理です。順拡散でノイズを加える過程を学習し、逆拡散でノイズを除去することで高品質な画像を生成します。現在の主流アーキテクチャとして安定した学習が特長です。 選択肢DはVAE（変分オートエンコーダ）の説明であり、潜在空間への圧縮とデコードという仕組みは拡散モデルとは根本的に異なります。