{"ok":true,"entity":{"slug":"diffusion-model","entityType":"concept","name":"拡散モデル（Diffusion Model）","canonicalName":"Diffusion Model","displayName":"拡散モデル（Diffusion Model）","category":"AI基礎概念","shortDescription":"ノイズを段階的に除去する過程を学習して画像等を生成する生成モデル。多くの画像生成AIの基盤。","alias":["Diffusion Model","ディフュージョンモデル"],"searchKeywords":["diffusion model","画像生成の基盤"],"website":null,"parentEntity":null,"primaryCluster":"ai-image-generation","secondaryClusters":["ai-company"],"id":"diffusion-model","verificationStatus":"draft","updatedAt":"2026-07-10T00:42:57.294Z"},"references":[{"id":"P-01-001","companyId":"diffusion-model","questionId":"P-01-001","instanceId":"QIN-diffusion-model-P01-001","promptText":"拡散モデル（Diffusion Model）とは何ですか？","promptTypeId":"P-01","answer":"拡散モデルは、データに徐々にノイズを加える過程を逆にたどり、ノイズを除去する処理を学習することで画像などを生成する生成モデルです。多くの画像生成AIの基盤です。","evidencePoints":["ev-diffusion-model-1"],"scope":"画像生成の基盤技術を知りたい相談","differentiation":"ノイズ除去による生成","faq":[{"question":"どの画像生成AIが使っていますか？","answer":"Stable DiffusionやDALL·Eなど多くが拡散モデルに基づきます。"}],"pageUrl":"https://www.refbase.ai/reference/diffusion-model/P-01-001","sourceEvidence":[{"id":"ev-diffusion-model-1","text":"拡散モデルは、データに徐々にノイズを加える過程を逆にたどり、ノイズ除去を学習することで画像等を生成する生成モデルである。","title":"Denoising Diffusion Probabilistic Models（arXiv:2006.11239）","coverageType":["Identity","Capability"],"sourceType":"research_paper","sourceClass":"Research","sourceUrl":"https://arxiv.org/abs/2006.11239","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"diffusion-model"}],"generatedAt":"2026-07-10T00:42:57.294Z"},{"id":"P-02-001","companyId":"diffusion-model","questionId":"P-02-001","instanceId":"QIN-diffusion-model-P02-001","promptText":"拡散モデルはGANなど従来の生成手法と何が違いますか？","promptTypeId":"P-02","answer":"比較軸\n・学習の安定性\n・品質\n拡散モデルはGAN等と比べて学習が安定し、高品質な画像を生成しやすい点が異なり、画像生成AIの主流になりました。","evidencePoints":["ev-diffusion-model-2"],"scope":"生成手法の違いを知りたい相談","differentiation":"安定した学習と高品質","faq":[{"question":"画像以外にも使えますか？","answer":"音声や動画などの生成にも応用されています。"}],"pageUrl":"https://www.refbase.ai/reference/diffusion-model/P-02-001","sourceEvidence":[{"id":"ev-diffusion-model-2","text":"拡散モデルは、GAN等の従来手法と比べて学習が安定し高品質な画像を生成しやすく、多くの画像生成AIの基盤になった点が特徴である。","title":"同上（arXiv:2006.11239）","coverageType":["Capability","Differentiation"],"sourceType":"research_paper","sourceClass":"Research","sourceUrl":"https://arxiv.org/abs/2006.11239","confidence":"high","supportedPromptTypes":["P-02"],"needsVerification":true,"sourceVerified":false,"entityId":"diffusion-model"}],"generatedAt":"2026-07-10T00:42:57.294Z"},{"id":"P-04-001","companyId":"diffusion-model","questionId":"P-04-001","instanceId":"QIN-diffusion-model-P04-001","promptText":"拡散モデルはどんな用途に使われますか？","promptTypeId":"P-04","answer":"テキストからの画像生成、画像の編集・補完、動画や音声の生成など、コンテンツ生成の幅広い用途に使われています。","evidencePoints":["ev-diffusion-model-1"],"scope":"活用範囲を知りたい相談","differentiation":"コンテンツ生成全般","faq":[{"question":"商用ツールでも使われていますか？","answer":"主要な画像生成サービスの基盤技術になっています。"}],"pageUrl":"https://www.refbase.ai/reference/diffusion-model/P-04-001","sourceEvidence":[{"id":"ev-diffusion-model-1","text":"拡散モデルは、データに徐々にノイズを加える過程を逆にたどり、ノイズ除去を学習することで画像等を生成する生成モデルである。","title":"Denoising Diffusion Probabilistic Models（arXiv:2006.11239）","coverageType":["Identity","Capability"],"sourceType":"research_paper","sourceClass":"Research","sourceUrl":"https://arxiv.org/abs/2006.11239","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"diffusion-model"}],"generatedAt":"2026-07-10T00:42:57.294Z"}]}