Przejdź do treści
promptowy.com / AI-ordbog / Diffusionsmodel (Diffusion)
Billeder, video og lyd

Diffusionsmodel (Diffusion)

En diffusionsmodel er en type kunstig intelligens, der skaber billeder, lyd eller video ved gradvist at fjerne støj fra et tilfældigt mønster.

En diffusionsmodel er en avanceret form for generativ kunstig intelligens, som skaber nyt indhold ved gradvist at forvandle tilfældig digital støj til et skarpt og meningsfuldt resultat. Teknologien anvendes i dag som fundamentet for de fleste moderne billedgeneratorer, men de samme matematiske principper driver også nyere værktøjer til produktion af video og lyd.

Hvor tidligere generationer af billedskabende modeller forsøgte at gætte hele motivet på én gang, arbejder en diffusionsmodel i etaper. Processen kan sammenlignes med en billedhugger, der langsomt mejsler en figur ud af en rå stenblok: Først ser man kun uformeligt materiale, men for hvert slag træder konturer, teksturer og fine detaljer tydeligere frem.

Sådan fungerer rejsen fra støj til billede

For at forstå, hvordan en diffusionsmodel genererer et billede, må man se på dens træning. Under træningen fodres modellen med millioner af billeder. Den lærer ved bevidst at ødelægge disse billeder: Først tilføjes en lille smule digital støj, derefter lidt mere, indtil billedet til sidst er reduceret til rent, tilfældigt flimmer. Modellen lærer derefter den modsatte manøvre: Hvordan fjerner man en mikroskopisk mængde støj, så det oprindelige mønster genskabes?

Når du beder modellen om at skabe noget nyt, kører den denne proces helt baglæns:

  • Startpunkt i rent kaos: Modellen begynder med et lærred bestående af fuldstændig tilfældig digital støj, der ligner sne på et gammelt analogt fjernsyn.
  • Tekststyring (prompten): Din tekstbeskrivelse fungerer som et kompas. Hvis du skriver et bestemt motiv, leder modellen efter antydninger af de rigtige former i det tilfældige støjmønster.
  • Trinvis afstøjning: I en række gentagne beregninger fjerner algoritmen støj og forstærker de linjer og farver, der matcher teksten. Efter 20 til 50 trin står det færdige billede helt skarpt.

Et eksempel fra hverdagen: En grafiker i Kolding

Forestil dig et lille designbureau i Kolding, der skal lave visuelt materiale for en lokal specialbutik i gågaden. Butikken ønsker et baggrundsbillede af en hyggelig, dansk baggård om efteråret med brosten, gule blade og blødt dagslys. Grafikeren indtaster en detaljeret beskrivelse i sit AI-værktøj.

Bag kulisserne genererer diffusionsmodellen først en tilfældig talrække, der danner den rå støj. I de første trin ser billedet stadig sløret og kaotisk ud, men man kan måske ane en mørk bund og en lysere top. Efter ti trin begynder brostenene at tage form i den nederste halvdel, og træernes grene antydes i baggrunden. Efter tredive trin er støjen helt væk: Belysningen på de våde sten er defineret, bladene har skarpe kanter, og billedet er klar til brug i butikkens efterårskampagne.

Antallet af trin: Balance mellem tid og detaljer

I de fleste programmer, der bygger på diffusion, kan man justere antallet af såkaldte sampling-trin (steps). Flere trin giver generelt modellen mere tid til at finpudse små detaljer, teksturer og komplekse overgange mellem lys og skygge. Det har dog en pris i form af længere ventetid og højere computerforbrug.

I praksis findes der et punkt, hvor flere trin ikke længere forbedrer resultatet synligt. For de fleste opgaver giver et moderat antal trin et fremragende resultat, mens meget høje indstillinger blot koster ekstra regnekraft uden at tilføre reel værdi til billedet.

En udbredt misforståelse om teknologien

En almindelig misforståelse er, at diffusionsmodeller fungerer som en digital collage, der klipper brudstykker ud af eksisterende fotografier på internettet og klistrer dem sammen. Det er ikke tilfældet. Modellen har intet bibliotek af billeder liggende under genereringen. Den har udelukkende lært statistiske sammenhænge mellem ord og visuelle mønstre. Hver gang den afstøjer en pixelgruppe, genererer den helt nye farveværdier fra bunden. Billedet er derfor en matematisk syntese, ikke et kludetæppe af eksisterende filer.

Sådan indstiller du det i Midjourney, FLUX, Ideogram, GPT Image og ComfyUI, med før- og efterbilleder: Sampling steps (antal trin) i parameteroversigten

Ofte stillede spørgsmål

Hvorfor hedder det egentlig en diffusionsmodel?

Navnet er lånt fra fysikken, hvor diffusion beskriver den proces, hvor partikler gradvist spreder sig tilfældigt i et rum. I AI-modellen henviser det til måden, information langsomt opløses i støj under træningen og derefter genskabes i omvendt rækkefølge.

Bliver et AI-billede altid bedre, hvis man vælger flere trin?

Nej, efter et vist niveau flader kurven ud. For mange trin kan i nogle tilfælde endda introducere uønskede artefakter eller gøre billedet unaturligt overskærpet, samtidig med at ventetiden forlænges.

Kan diffusionsmodeller bruges til andet end stillbilleder?

Ja, den samme grundlæggende afstøjningsteknik anvendes i dag med stor succes til at generere korte videoklip, tredimensionelle modeller og realistiske lydspor eller stemmer.

← Alle begreber i AI-ordbogen

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›