Diffusion Model adalah jenis model generatif yang bekerja dengan cara mempelajari bagaimana cara "membalikkan" proses penambahan noise (derau acak) pada data. Model ini menjadi teknologi inti di balik sebagian besar generator gambar AI populer seperti Stable Diffusion, Midjourney, dan DALL-E.
Proses pelatihan diffusion model terjadi dalam dua tahap konseptual. Pertama, forward process: sebuah gambar asli secara bertahap "dirusak" dengan menambahkan noise acak sedikit demi sedikit hingga akhirnya menjadi noise murni yang tidak lagi menyerupai gambar aslinya. Kedua, reverse process: model dilatih untuk melakukan kebalikannya—mempelajari cara menghilangkan noise selangkah demi selangkah untuk merekonstruksi gambar yang koheren.
Setelah dilatih, model dapat digunakan untuk menghasilkan gambar baru dengan memulai dari noise acak murni, lalu secara bertahap "membersihkan" noise tersebut mengikuti arahan dari prompt teks, hingga menghasilkan gambar yang sesuai dengan deskripsi. Proses ini biasanya berlangsung dalam puluhan hingga ratusan langkah iteratif.
Diffusion model menggantikan pendekatan generatif sebelumnya seperti GAN sebagai teknik dominan untuk generasi gambar sejak sekitar 2021-2022, karena menghasilkan output dengan kualitas dan variasi yang lebih tinggi serta proses pelatihan yang lebih stabil. Teknik ini kini juga diperluas ke domain lain seperti generasi audio, video, dan bahkan struktur molekul dalam riset ilmiah.
Kekurangan utama diffusion model secara tradisional adalah kecepatan—karena memerlukan banyak langkah iteratif, proses generasi bisa memakan waktu lebih lama dibanding metode generatif lain. Namun, penelitian terus mengembangkan teknik-teknik untuk mempercepat proses ini, seperti distillation langkah-sedikit yang memungkinkan generasi gambar berkualitas tinggi hanya dalam beberapa langkah saja.