某時尚品牌導入生成式 AI（Generative AI）技術，建立服裝設計輔助系統。系統需根據設計師輸入的風格條件，自動產生具有高度視覺品質、細節穩定且風格變化自然的服裝草圖。團隊特別重視生成結果的穩定性與多樣性控制能力。在此需求下，下列哪一種模型技術或方法較為適合？
答案 （D）
核心概念
擴散模型的運作方式是「先加噪、再學會去噪」——訓練時逐步把圖像加上雜訊直到變成純噪點，模型學習如何一步步還原；生成時就從隨機噪點出發，逐步去噪成清晰圖像。因為生成過程是多步驟漸進的，每一步都可以施加條件控制（如文字提示、風格條件），所以在影像品質、細節穩定度與可控多樣性上，都優於一次生成的 GAN，也不會有 GAN 常見的訓練不穩定與模式崩潰（Mode Collapse）問題。目前主流的文字生圖工具幾乎都以擴散模型為基礎。
答題技巧
快速判斷技巧：影像生成題先刪掉判別式模型（SVM、決策樹、隨機森林、KNN），剩下 GAN 與擴散模型二選一。看到「穩定」「細節」「可控多樣性」選擴散模型；題目若強調「對抗訓練」「生成器與判別器」才選 GAN。
易錯陷阱：(B) GAN 是最廣為人知的影像生成模型，很容易被反射性選中。記住兩者的分野：GAN 快但不穩，擴散模型慢但品質穩、可控性高——題目提到穩定性就是在指向擴散模型。