画像生成は超圧縮技術

stable diffusionは学習に50億枚の画像とテキストを与えて、4GBのモデルで表現している、

ということはモデルのサイズを画像の枚数で割ると

一枚の画像辺り、平均1byteの表現力しかないことになる。

画像として扱うと、64*64でも10kbほどになるので、画像の特徴を読み取った超圧縮技術と言える。

非言語的な大まかな概念の学習から、線の一本一本の描き方に至るまでの抽象化技術が働いている

「画像を見て描く」のがトレスだとすると、「画像を学んで描く、画像を理解した上で描く」方に近い。

従来の圧縮技術（劣化JPGなど）とは比べものにならない圧縮がかけられている＆一枚ごとの画像を分離して取り出したりはできないため、既存技術の認識で「不可逆圧縮」「解凍」という認識は正しくない。

参考