Diffusion Model 이해하기: VAE, VDM, Latent Diffusion까지 한 번에 연결하기

Mon, 11 May 2026 00:00:00 +0000

Diffusion Model을 처음 공부하면 이상한 느낌이 듭니다. 이미지를 만들고 싶다면서 왜 먼저 이미지에 노이즈를 넣는지, VAE와 VDM은 이름이 비슷한데 무엇이 다른지, Stable Diffusion에서 말하는 latent는 왜 갑자기 등장하는지 한 번에 연결되지 않습니다. 이 글은 그 혼란을 줄이기 위한 입문 정리입니다. 특히 한국어로 diffusion의 수식 흐름을 정리한 참고 글들을 읽으며 얻은 큰 흐름을 바탕으로 하되, 여기서는 수식 유도보다 직관과 용어 연결에 초점을 둡니다.¹²³

목표는 수식을 완벽하게 유도하는 것이 아닙니다. 대신 이미지를 점점 망가뜨린 뒤, 그 망가지는 과정을 거꾸로 배우면 새로운 이미지를 만들 수 있다는 핵심 아이디어를 중심으로 VAE, DDPM, VDM, score-based model, latent diffusion을 한 번에 이어 보겠습니다.

1. Diffusion Model을 한 문장으로 이해하기

Diffusion Model은 데이터를 아주 조금씩 노이즈로 망가뜨리는 과정과, 그 노이즈를 조금씩 제거해 원래 데이터처럼 복원하는 과정을 함께 생각하는 생성모델입니다. DDPM 논문은 이 과정을 denoising diffusion probabilistic model로 정식화했고, 이미지 생성 품질이 좋은 생성모델 계열로 확산되는 계기가 되었습니다.⁴

Diffusion Model은 “깨끗한 이미지에서 노이즈 이미지로 가는 쉬운 과정”을 만든 뒤, “노이즈 이미지에서 깨끗한 이미지로 돌아오는 어려운 과정”을 신경망이 배우게 하는 방식으로 이해할 수 있습니다.

가장 직관적인 비유는 유리컵에 잉크를 떨어뜨리는 장면입니다. 잉크가 물에 퍼지는 과정은 자연스럽고 쉽습니다. 하지만 이미 퍼진 잉크를 원래 한 방울로 되돌리는 일은 어렵습니다. Diffusion Model은 이 어려운 되돌리기 과정을 여러 단계로 쪼개서 신경망에게 학습시킵니다.

관점	하는 일	이해 포인트
Forward process	원본 데이터에 노이즈를 조금씩 추가	학습자가 직접 설계하는 비교적 쉬운 과정
Reverse process	노이즈에서 원본처럼 보이는 데이터를 복원	신경망이 학습해야 하는 핵심 과정
Sampling	학습된 reverse process를 반복 실행	완전한 노이즈에서 새로운 이미지를 생성

2. 생성모델은 무엇을 하려는 걸까?

생성모델의 목표는 단순히 이미지를 복사하는 것이 아니라, 학습 데이터가 가진 분포를 배워서 그럴듯한 새 샘플을 만드는 것입니다. 예를 들어 고양이 이미지가 많이 있다면, 모델은 특정 고양이 사진 한 장을 외우는 것이 아니라 “고양이처럼 보이는 이미지가 주로 어떤 형태를 가지는지”를 배워야 합니다.

여기서 중요한 단어가 **분포(distribution)**입니다. 수학적으로 깊게 들어가지 않아도, 분포는 “데이터가 자주 나타나는 위치와 드물게 나타나는 위치의 지도”라고 생각하면 됩니다. 생성모델은 무작위 숫자에서 출발하더라도 이 지도 위에서 그럴듯한 위치로 이동해야 합니다.

Diffusion Model은 이 이동을 한 번에 해결하지 않습니다. 대신 “현재 이미지에 섞인 노이즈가 무엇인지” 또는 “노이즈를 어느 방향으로 줄여야 하는지”를 단계별로 예측합니다. 그래서 diffusion을 이해할 때는 한 번에 생성한다보다 조금씩 복원한다는 관점이 더 자연스럽습니다.

3. VAE: 데이터를 압축했다가 다시 복원하는 모델

Diffusion을 보기 전에 VAE를 먼저 잡아두면 latent diffusion과 VDM을 이해하기가 훨씬 쉬워집니다. VAE는 Variational Autoencoder의 약자입니다. Autoencoder는 입력을 작은 표현으로 압축하는 encoder와, 그 표현에서 다시 입력을 복원하는 decoder로 구성됩니다.

VAE는 여기에 확률적 관점을 더합니다. 일반 autoencoder가 하나의 고정된 벡터로 데이터를 압축한다면, VAE는 데이터를 latent variable의 확률분포로 표현합니다. VAE 원 논문은 continuous latent variable을 가진 확률모델을 효율적으로 학습하기 위해 variational lower bound와 reparameterization trick을 사용합니다.⁵

구성요소	역할	쉬운 설명
Encoder	입력을 latent 표현으로 변환	이미지를 압축 파일처럼 요약
Latent variable	압축된 내부 표현	모델이 다루기 쉬운 숨은 좌표
Decoder	latent 표현을 다시 데이터로 복원	압축을 풀어 이미지처럼 되돌림
Prior	latent 공간의 기준 분포	보통 정규분포처럼 다루기 쉬운 형태를 사용

VAE를 너무 어렵게 생각할 필요는 없습니다. 이 글에서 필요한 핵심은 하나입니다. VAE는 원본 데이터를 더 작은 latent space로 보내고, 그 latent에서 다시 복원하는 구조입니다. Stable Diffusion 같은 latent diffusion 계열을 이해할 때 이 개념이 다시 등장합니다.

4. Diffusion: 이미지를 망가뜨리고 다시 복원하기

Diffusion의 forward process는 원본 이미지에 노이즈를 조금씩 추가합니다. 처음에는 원본이 거의 보이지만, 단계를 많이 지나면 결국 거의 순수한 노이즈처럼 보입니다. 이 과정은 사람이 정해줄 수 있습니다. 예를 들어 “각 단계에서 아주 작은 가우시안 노이즈를 더한다”는 식입니다.

반대로 reverse process는 어렵습니다. 완전한 노이즈처럼 보이는 이미지에서 출발해 한 단계씩 노이즈를 제거해야 하기 때문입니다. DDPM에서는 신경망이 각 단계의 노이즈를 예측하도록 학습합니다. 실제 구현에서는 원본 이미지를 직접 예측하는 방식, 노이즈를 예측하는 방식, score를 예측하는 방식이 서로 연결되어 설명됩니다.⁶

단계	이미지 상태	모델이 해야 하는 일
`x_0`	깨끗한 원본 이미지	학습 데이터
`x_1, x_2, ...`	노이즈가 조금씩 섞인 이미지	forward process로 생성 가능
`x_T`	거의 순수한 노이즈	sampling의 출발점
`x_T → x_0`	노이즈를 점점 제거	신경망이 학습하는 reverse process

이 구조가 좋은 이유는 어려운 생성 문제를 아주 작은 denoising 문제의 반복으로 바꾼다는 점입니다. 한 번에 완벽한 이미지를 만들라고 하면 어렵지만, “지금 단계에서 섞인 노이즈를 조금 줄여보라”고 하면 신경망이 학습할 수 있는 문제가 됩니다.

5. DDPM: 노이즈 제거를 학습하는 대표 구조

DDPM은 diffusion을 이해할 때 가장 자주 만나는 기준점입니다. 논문의 핵심 아이디어는 간단하게 말하면, forward process로 만든 noisy image에서 어떤 노이즈가 들어갔는지 신경망이 예측하도록 학습하는 것입니다.⁴

보통 diffusion 설명에서 다음과 같은 식을 만납니다.

x_t = 깨끗한 이미지 x_0에 t단계만큼 노이즈가 섞인 상태

여기서 t는 시간이라기보다 노이즈 레벨에 가깝습니다. t가 작으면 원본이 많이 남아 있고, t가 크면 노이즈가 많이 섞여 있습니다. 모델은 x_t와 t를 입력으로 받아 “이 이미지에 섞인 노이즈가 무엇인지”를 예측합니다.

자주 나오는 표현	처음 볼 때의 의미
`x_0`	원본 데이터, 깨끗한 이미지
`x_t`	t단계만큼 노이즈가 섞인 이미지
`epsilon`	이미지에 추가된 노이즈
noise schedule	단계별로 노이즈를 얼마나 넣을지 정한 규칙
denoising network	노이즈를 예측하거나 제거 방향을 예측하는 신경망

수학 비전공자 입장에서는 x_t를 복잡한 확률변수로 보기 전에, “원본과 노이즈가 특정 비율로 섞인 중간 상태”라고 이해해도 충분합니다. Diffusion 학습은 이 중간 상태를 많이 보여주고, 모델이 어느 방향으로 복원해야 하는지 반복해서 배우게 하는 과정입니다.

6. VDM: Diffusion을 VAE 관점에서 바라보기

VDM은 Variational Diffusion Model을 의미합니다. VDM 원 논문은 diffusion-based generative model을 likelihood-based model 관점에서 다루며, variational lower bound와 noise schedule을 중요한 주제로 다룹니다.⁷ 이름에 variational이 들어가기 때문에 VAE와 완전히 별개의 개념처럼 보이지 않습니다. 실제로 diffusion을 VAE의 확장된 형태, 더 정확히는 여러 단계의 latent variable을 가진 계층적 VAE 관점에서 바라볼 수 있습니다. Calvin Luo의 Unified Perspective 글은 VDM을 Markovian Hierarchical VAE의 특수한 경우로 설명하면서, variational 관점과 score-based 관점을 연결합니다.⁶

처음에는 이 설명이 어렵게 느껴질 수 있습니다. 핵심만 줄이면 다음과 같습니다. VAE는 보통 하나의 latent 표현으로 압축했다가 복원합니다. 반면 diffusion은 x_1, x_2, ..., x_T처럼 노이즈가 점점 커지는 여러 중간 상태를 둡니다. 이 중간 상태들을 latent variable의 연쇄로 보면 diffusion을 VAE 계열의 관점에서도 이해할 수 있습니다.

모델	latent를 보는 방식	직관
VAE	하나의 압축된 latent 표현을 사용	이미지를 숨은 좌표로 압축 후 복원
Hierarchical VAE	여러 층의 latent 표현을 사용	더 많은 중간 표현을 거쳐 생성
VDM	노이즈 단계 전체를 latent chain처럼 해석	노이즈가 섞인 상태들을 거꾸로 따라가며 복원

따라서 VDM을 처음 볼 때는 “새로운 완전 별개 모델”이라기보다, diffusion을 변분추론과 VAE 언어로 해석한 관점이라고 받아들이면 좋습니다.

7. Score-based 관점: 더 그럴듯한 데이터 방향을 알려주는 화살표

Diffusion 자료를 읽다 보면 score function이라는 표현도 자주 나옵니다. 여기서 score는 시험 점수가 아닙니다. 대략적으로 말하면, 현재 위치에서 데이터가 더 그럴듯해지는 방향을 알려주는 벡터장에 가깝습니다. Unified Perspective는 VDM의 objective가 원본 입력 예측, 원본 노이즈 예측, score function 예측과 연결될 수 있다고 설명합니다.⁶

2차원 지도를 떠올려 보겠습니다. 어떤 점은 실제 데이터가 많이 모여 있는 지역이고, 어떤 점은 거의 데이터가 없는 지역입니다. score는 “현재 점에서 데이터가 더 많은 쪽으로 가려면 어느 방향으로 움직여야 하는가”를 알려주는 화살표라고 생각할 수 있습니다.

관점	질문	모델의 역할
Noise prediction	이 이미지에 섞인 노이즈는 무엇인가?	노이즈를 예측
Denoising	이 이미지를 조금 더 깨끗하게 만들려면?	복원 방향을 예측
Score-based	더 데이터다운 방향은 어디인가?	분포의 방향성을 예측

이 세 관점은 처음에는 서로 다른 설명처럼 보이지만, diffusion 문헌에서는 서로 깊게 연결되어 있습니다. 입문 단계에서는 “노이즈를 예측한다”, “노이즈를 제거한다”, “더 그럴듯한 방향으로 이동한다”가 같은 현상을 다른 언어로 설명한다고 이해하면 됩니다.

8. Latent Diffusion: 픽셀 대신 압축된 공간에서 diffusion하기

일반 diffusion을 픽셀 이미지 위에서 직접 수행하면 계산 비용이 큽니다. 고해상도 이미지는 픽셀 수가 많기 때문에 매 단계마다 큰 이미지를 다뤄야 합니다. Latent Diffusion Model은 이 문제를 줄이기 위해 pretrained autoencoder가 만든 latent space에서 diffusion을 수행합니다.⁸

쉽게 말해 원본 이미지를 바로 다루지 않고, 먼저 VAE나 autoencoder로 이미지를 압축합니다. 그런 다음 압축된 latent 표현 위에서 diffusion을 실행하고, 마지막에 decoder로 다시 이미지로 복원합니다. Stable Diffusion 계열을 이해할 때 이 구조가 중요합니다.

방식	diffusion이 일어나는 공간	장점	단점 또는 주의점
Pixel diffusion	원본 픽셀 공간	개념적으로 직접적	고해상도에서 계산 비용이 큼
Latent diffusion	압축된 latent 공간	더 효율적이고 빠름	autoencoder 품질이 결과에 영향을 줌

Latent diffusion을 처음 배울 때 가장 중요한 문장은 이것입니다. VAE가 이미지를 작은 latent로 압축하고, diffusion은 그 latent에서 노이즈 제거 과정을 학습한다는 것입니다. 그래서 VAE와 diffusion은 경쟁 관계가 아니라, latent diffusion 안에서는 서로 역할을 나누는 관계로 볼 수 있습니다.

9. 처음 볼 때 헷갈리는 용어 정리

Diffusion Model을 공부하다 보면 개념보다 용어가 먼저 막힐 때가 많습니다. 아래 표는 논문이나 블로그에서 자주 만나는 표현을 빠르게 복기하기 위한 정리입니다.

용어	쉬운 의미	함께 보면 좋은 개념
Forward process	원본에 노이즈를 넣는 과정	noise schedule
Reverse process	노이즈를 제거해 데이터를 복원하는 과정	sampling, denoising
Denoising	노이즈가 섞인 입력을 더 깨끗하게 만드는 작업	DDPM
Noise schedule	단계별 노이즈 양을 정하는 규칙	beta schedule
Latent space	모델이 다루기 쉽게 압축한 내부 표현 공간	VAE, autoencoder
VAE	데이터를 확률적 latent로 압축·복원하는 모델	encoder, decoder
VDM	diffusion을 variational 관점에서 본 모델	hierarchical VAE
Score	데이터가 더 그럴듯해지는 방향 정보	score-based model
Guidance	조건에 맞는 생성으로 유도하는 방법	text-to-image

10. 전체 흐름 다시 보기

지금까지의 내용을 하나의 흐름으로 연결하면 다음과 같습니다. 생성모델은 데이터 분포를 배워 새로운 샘플을 만들고 싶어 합니다. VAE는 데이터를 latent space로 압축했다가 복원하는 방법을 제공합니다. Diffusion은 원본을 노이즈로 망가뜨린 뒤, 그 과정을 거꾸로 복원하는 방법을 학습합니다. DDPM은 이 과정을 대표적으로 정식화한 모델입니다. VDM은 diffusion을 VAE와 변분추론 관점에서 이해하게 해줍니다. Latent Diffusion은 diffusion을 픽셀 공간이 아니라 VAE가 만든 latent 공간에서 수행해 계산 효율을 높입니다.

질문	한 줄 답변
왜 노이즈를 넣는가?	복잡한 생성을 작은 denoising 문제들의 반복으로 바꾸기 위해서입니다.
모델은 무엇을 배우는가?	각 노이즈 단계에서 제거해야 할 노이즈 또는 복원 방향을 배웁니다.
VAE는 왜 등장하는가?	데이터를 latent space로 압축하고 복원하는 구조를 제공하기 때문입니다.
VDM은 무엇인가?	diffusion을 variational/HVAE 관점에서 해석하는 방식입니다.
Latent Diffusion은 왜 빠른가?	큰 픽셀 이미지 대신 작은 latent 표현에서 diffusion을 수행하기 때문입니다.

마무리

Diffusion Model은 처음에는 수식과 용어가 한꺼번에 등장해서 어렵게 느껴집니다. 하지만 큰 흐름은 비교적 단순합니다. 노이즈를 넣는 과정은 사람이 설계하고, 노이즈를 제거하는 과정은 모델이 배운다는 것입니다. 여기에 VAE의 latent space 개념이 결합되면, 고해상도 이미지를 더 효율적으로 생성하는 latent diffusion으로 이어집니다.

앞으로 DDPM, score-based model, classifier-free guidance, U-Net, Stable Diffusion 구조를 따로 공부하더라도 이 글의 큰 줄기를 먼저 잡아두면 훨씬 덜 헷갈립니다. 새로운 수식이 나오면 “이 수식은 노이즈를 넣는 과정인가, 제거하는 과정인가, 아니면 latent 공간에서 같은 일을 하는 것인가”를 먼저 확인하면 됩니다.

참고 자료

Donghyun Blog, Diffusion Model 관련 한국어 설명 글, Tistory. ↩︎
Donghyun Blog, VAE·VDM 관련 한국어 설명 글, Tistory. ↩︎
Donghyun Blog, Diffusion 후속 설명 글, Tistory. ↩︎
Jonathan Ho, Ajay Jain, Pieter Abbeel, Denoising Diffusion Probabilistic Models, arXiv, 2020. ↩︎ ↩︎
Diederik P. Kingma, Max Welling, Auto-Encoding Variational Bayes, arXiv, 2013. ↩︎
Calvin Luo, Understanding Diffusion Models: A Unified Perspective, arXiv, 2022. ↩︎ ↩︎ ↩︎
Diederik P. Kingma, Tim Salimans, Ben Poole, Jonathan Ho, Variational Diffusion Models, arXiv, 2021. ↩︎
Robin Rombach et al., High-Resolution Image Synthesis with Latent Diffusion Models, arXiv, 2021. ↩︎

Diffusion-Model on ArmyKim_space