O que o U-Net prevê na Difusão Estável em cada passo?

No modelo de Difusão Estável, em cada passo, o U-Net prevê o ruído que foi adicionado à imagem nesta fase do processo de difusão. Especificamente, o U-Net é treinado para restaurar a imagem original a partir da versão ruidosa, ou seja, ele prevê o componente de ruído que deve ser subtraído para obter uma imagem mais limpa.

O processo pode ser representado assim:

1. Uma imagem ruidosa é fornecida na entrada do passo atual.
2. O U-Net prevê o componente de ruído presente nesta imagem.
3. O ruído previsto é usado para atualizar a imagem, reduzindo o nível de ruído.

Assim, o U-Net desempenha um papel fundamental no processo de difusão inversa, restaurando gradualmente uma imagem detalhada a partir de um ruído aleatório.