From Noise to Masterpiece: Diffusion 완전정복 (DDPM to SANA)

이 강의는 확산모델(Diffusion Model)의 진화 과정을 논문과 코드로 완전 정복하는 실전 중심 마스터클래스입니다.

DDPM(Denoising Diffusion Probabilistic Model)부터 시작해, LDM(Latent Diffusion Model), Stable Diffusion, DiT(Diffusion Transformer), 그리고 최신 연구인 PixArt와 SANA까지, 생성 AI의 핵심 모델들을 논문 원리부터 직접 구현하며 학습합니다.

각 모델의 등장 배경, 수식, 네트워크 구조(U-Net, VAE, Transformer), 학습 과정(Noise Schedule, Denoising Step), 그리고 성능 향상을 이끈 아이디어들을 단계별로 분석합니다.
수강생은 모든 모델을 PyTorch 기반으로 직접 코딩하며, 논문을 이해하는 것에 그치지 않고 ‘재현하고 응용할 수 있는 실무 능력’을 얻게 됩니다.

또한, 모델 간의 차이와 발전 흐름을 비교하며, Stable Diffusion이 어떻게 LDM을 계승하고, DiT와 SANA가 Transformer 구조로 어떻게 확장되는지를 명확히 이해하게 됩니다.

이 강의는 이론·코드·실습을 하나로, 연구자·개발자·창작자 모두에게 생성모델의 진화를 체계적으로 익힐 수 있는 여정을 제공합니다.

논문을 ‘읽는 것’을 넘어, 직접 구현하며 ‘이해하고 재창조’하는 경험을 지금 시작하세요.