Диффузионная модель начинает со случайного поля точек и за много шагов убирает из него шум, каждый раз предсказывая, что именно в нём лишнее. Текстовое описание подаётся вместе с полем и направляет каждый шаг, поэтому итог согласуется с описанием. Изображение присутствует целиком уже с первого шага и становится чётче, а не дописывается по частям.
92 карточки об устройстве искусственного интеллекта: на каких данных учат модели, из чего собрана сеть, как идёт обучение и почему работа языковой модели сведена к предсказанию следующего куска текста. Два раздела отвечают, отчего модель уверенно сообщает несуществующее и что с этим делают. Последний — чего у модели нет в принципе.