확산 모델: 확산 모델은 인식할 수 없을 때까지 학습 데이터에 가우시안 노이즈를 점진적으로 추가한 다음, 무작위 시드 노이즈에서 아웃풋(일반적으로 이미지)을 합성할 수 있는 역방향 "노이즈 제거" 프로세스를 학습합니다. 모델을 배포한 후에도 지속적으로 성능을 모니터링하고, 새로운 데이터가 쌓이면 모델을 주기적으로 재학습시켜 최신 상태를 유지해야 합니다. 이 용어는 혼란스러울 수 있습니다. 예를 https://conpick.ai/