本論文では、ノイズ除去拡散確率モデル(DDPM)の限界を克服するために、熱拡散モデル(HDM)を提案します。 DDPMは画像を全体的に処理するが、隣接画素は同じオブジェクトに属する可能性が高いという点に着目して、HDMは画素間のアテンション機構を導入して画像の詳細を保存し、よりリアルな画像を生成する。 HDMは、2次元熱方程式の離散形態をDDPMの拡散および生成式に組み込むことによって、画像処理中の隣接画素間の関係を計算する。実験の結果、HDMは、DDPM、コヒーレント拡散モデル(CDM)、潜在拡散モデル(LDM)、ベクトル量子化生成敵対ニューラルネットワーク(VQGAN)などのモデルよりも高い品質のサンプルを生成することが示された。