DDPM（Denoising Diffusion Probabilistic Model／確率的拡散モデル）は、拡散モデルを確率過程として定式化した代表的な手法です。本記事は厳密な数理導出ではなく、略称の意味と拡散モデル全体との関係——用語の地図上の位置——に焦点を当てます。
試験で問われる見方
試験で「DDPM」と名指しされることは少なく、Diffusion Model／拡散モデルとして問われることが多いです（G-377、TF-0184）。DDPMはその学術的な源流の一つとして押さえます。
逆過程を使わないという説明は×（TF-154）。DDPMでも生成はノイズからの段階的復元です。
DDPMとは
DDPMは、データにガウスノイズを段階的に加える順過程と、それを反転させる学習可能な逆過程を、マルコフ連鎖として記述したモデルです。学習目標は、各ステップで加えたノイズを予測するなど、実装バリアントによりますが、試験ではノイズ付加と除去の双方向が本質です。
略称の読み解き
| 語 | 意味 |
|---|---|
| Denoising | ノイズ除去。逆過程の核心 |
| Diffusion | 拡散。順方向にノイズが広がるイメージ |
| Probabilistic | 確率的。分布としてモデル化 |
| Model | 生成モデル |
拡散モデルファミリー
- 拡散モデル — 総称・試験での呼び名
- DDPM — 確率的定式化の代表（本記事）
- 潜在拡散 — 潜在空間での高速化
- Stable Diffusion — 潜在拡散の実用例
- GAN — 別系統の生成モデル（対抗学習）
よくある質問
DDPMと拡散モデルは同じ？
DDPMは拡散モデルの代表的な一種です。試験文脈では「Diffusion Model」という語がより頻出です。
DDIMなど他の略称は？
サンプリングを高速化する派生手法があります。G検定・生成AIパスポートの範囲ではDDPM名より拡散の基本概念が優先です。
Text-to-Imageとの関係は？
テキスト条件付き拡散はText-to-Imageの実装に使われます。DDPM単体は無条件生成の文脈で学ばれることもあります。