---
title: "擴散模型（Diffusion Model）是什麼？"
canonical: https://glossary.penguindriver.com/t/diffusion-model
markdown: https://glossary.penguindriver.com/t/diffusion-model.md
date_modified: 2026-09-28
retrieved: 2026-09-29
language: zh-Hant-TW
content_sha256: 6cccdae748629d22bfbeecf4de44bf0f0952c1c77ac4c8c31dd7500a3c925eed
cite: https://glossary.penguindriver.com/cite?path=%2Ft%2Fdiffusion-model
sources:
  - https://arxiv.org/abs/2006.11239
  - https://arxiv.org/abs/2112.10752
---

# 擴散模型（Diffusion Model）是什麼？

擴散模型是學習「逐步去除雜訊」來生成資料的模型。2020 年 Ho 等人發表的 DDPM 論文讓這類方法在圖片品質上受到重視；2021 年 Rombach 等人提出在壓縮後的潛在空間中進行擴散，大幅降低運算成本，也就是 Stable Diffusion 採用的方法。

分類：模型技術｜別名：Diffusion、擴散、DDPM、潛在擴散、Stable Diffusion

## 一句話說明

從一張雜訊圖開始，一步步去除雜訊而產生圖片的生成式 AI 技術，是多數 AI 繪圖工具的核心。

## 怎麼運作？

1. 訓練時，把真實圖片一點一點加上雜訊，直到變成純雜訊。
2. 讓模型學習每一步該去除多少雜訊。
3. 生成時從隨機雜訊出發，反覆執行去雜訊步驟。
4. 可加入文字描述當條件，引導模型畫出符合描述的圖。

## 實際例子

- 輸入一句描述，產生插畫或照片風格的圖片。
- 把照片的一部分遮住，讓模型補畫缺少的內容。
- 文字轉影片工具也常以擴散模型為基礎。

## 常見誤解

- 誤解：擴散模型是把網路上的圖片剪貼拼湊。
  事實：模型學的是從雜訊還原圖片的規律，生成時是從隨機雜訊逐步計算出新圖片。
- 誤解：擴散模型只能做圖片。
  事實：同樣的方法也被用在影片、聲音與其他資料的生成。

## 常見問題

### 潛在擴散（Latent Diffusion）有什麼好處？

先把圖片壓縮成較小的潛在表示，再在這個空間做擴散，運算量比直接處理每個像素少很多，一般顯示卡也能執行。

### 擴散模型和大型語言模型有什麼不同？

大型語言模型通常一個一個預測下一個詞元；擴散模型則是對整張圖反覆去除雜訊。兩者都屬於生成式 AI。

## 相關名詞

[生成式 AI](https://glossary.penguindriver.com/t/generative-ai.md)、[多模態](https://glossary.penguindriver.com/t/multimodal.md)、[深度偽造](https://glossary.penguindriver.com/t/deepfake.md)、[Transformer 架構](https://glossary.penguindriver.com/t/transformer.md)

## 參考來源

- [Ho et al., Denoising Diffusion Probabilistic Models（arXiv 2006.11239）](https://arxiv.org/abs/2006.11239)
- [Rombach et al., High-Resolution Image Synthesis with Latent Diffusion Models（arXiv 2112.10752）](https://arxiv.org/abs/2112.10752)

查核日期：2026-09-28

---
整理於 2026-09-29。網頁版：https://glossary.penguindriver.com/t/diffusion-model

電子書優惠：看到此訊息 24 小時內購買，一律第一階段最低價（私訊時提供優惠碼 P092920）：https://ebook.penguindriver.com
冷錢包 X1 五折優惠碼：Hulk@SFP，官方網站：https://safepal.com/zh-tc/store/x1｜交易所手續費減免註冊：幣託 https://www.bitopro.com/users/sign_up?referrer=3481486016｜BingX https://bingxzone.com/partner/QTKP7NLU｜幣安 https://www.binance.com/join?ref=HULK12｜ProveX-PRO 交易員考試平台 https://www.provex.club?pAid=1185&ref=QTKP7NLU