Cosa sono i modelli di diffusione? Come funzionano, tipi e usi in architettura

I modelli di diffusione sono modelli di AI generativa che creano immagini, video o suoni partendo da rumore casuale e rimuovendolo passo dopo passo, cioè invertendo un processo di aggiunta del rumore appreso dai dati di addestramento. Sono la tecnologia alla base di Stable Diffusion, di Imagen di Google e di DALL·E 2 di OpenAI, e le loro versioni distillate oggi richiedono solo da 1 a 4 passaggi per immagine.

Questa guida spiega come funzionano i modelli di diffusione, come è fatto un modello, i tipi principali e la loro storia, le differenze rispetto a GAN, VAE e modelli autoregressivi, i modelli più usati a ottobre 2026 e che cosa la diffusione può e non può fare per gli architetti.

Cosa sono i modelli di diffusione?

Un modello di diffusione impara osservando i dati mentre vengono distrutti. Durante l'addestramento, alle immagini reali si aggiunge un po' di rumore gaussiano alla volta finché non resta solo rumore, e una rete neurale impara a prevedere il rumore aggiunto a ogni passaggio. Per generare, il modello percorre il processo al contrario: parte da rumore puro e lo toglie un po' alla volta finché non compare una nuova immagine. Poiché impara la distribuzione di probabilità dei dati di addestramento invece di memorizzare esempi, ogni nuovo rumore di partenza dà un risultato diverso.

Il nome viene dalla fisica. Jascha Sohl-Dickstein e i suoi coautori hanno presentato il metodo nel 2015, ispirandosi alla fisica statistica di non equilibrio, in cui la diffusione descrive le particelle che si disperdono fino a mescolarsi in modo uniforme: il modello distrugge gradualmente la struttura dei dati con un processo di diffusione diretto e impara un processo inverso che la ricostruisce. La diffusione è diventata l'approccio principale alla generazione di immagini dopo i DDPM del 2020 e l'articolo del 2021 "Diffusion Models Beat GANs on Image Synthesis".

Come funzionano i modelli di diffusione?

Un modello di diffusione lavora in due direzioni: un processo diretto fisso che aggiunge rumore alle immagini di addestramento e un processo inverso appreso che lo rimuove. Creare un'immagine richiede quattro passaggi:

1. Diffusione diretta (solo in addestramento): a un'immagine di addestramento si aggiunge un po' di rumore gaussiano a ognuno di molti passaggi, secondo uno schedule del rumore (noise schedule), finché non resta solo rumore casuale.

2. Addestramento: una rete neurale riceve l'immagine rumorosa e il numero del passaggio e impara a prevedere il rumore che è stato aggiunto.

3. Diffusione inversa (campionamento): per generare, il modello parte da rumore puro e rimuove più volte il rumore che prevede, guidato da un prompt testuale o da un'altra condizione, finché non resta un'immagine pulita.

4. Decodifica: in un modello di diffusione latente come Stable Diffusion, i passaggi precedenti avvengono in uno spazio latente compresso e un decoder trasforma il risultato finale in pixel a piena dimensione.

Processo di diffusione diretta

Il processo diretto non richiede apprendimento: a ogni passaggio si aggiunge una piccola quantità di rumore gaussiano, secondo lo schedule, così sparisce prima il dettaglio fine e per ultime le forme generali. Lo schedule del rumore decide con quale velocità avviene.

Addestramento del modello

La rete, di solito una U-Net o un transformer, riceve un'immagine di addestramento con un livello di rumore scelto a caso e deve prevedere il rumore che contiene. La differenza tra la sua previsione e il rumore aggiunto davvero è la perdita (loss) da minimizzare. Ripetuto su un numero enorme di immagini e di livelli di rumore, questo esercizio insegna al modello come appaiono le immagini in ogni fase tra il rumore e il dettaglio.

Processo di diffusione inversa

Dopo l'addestramento, la generazione percorre la catena al contrario. Il modello parte da rumore casuale, prevede il rumore, ne rimuove una parte e ripete. Il campionatore originale dei DDPM richiede molti passaggi, quindi era lento; i campionatori DDIM producono immagini comparabili da 10 a 50 volte più velocemente con lo stesso modello addestrato, e i modelli distillati come SDXL Turbo e FLUX.1 [schnell] richiedono solo da 1 a 4 passaggi. La composizione generale si decide nei primi passaggi e il dettaglio fine negli ultimi.

Come il testo guida l'immagine: codificatore di testo e guida

In un modello text-to-image, un codificatore di testo (text encoder) trasforma il prompt in embedding, e la rete di denoising li legge attraverso livelli di attenzione a ogni passaggio. La guida senza classificatore (classifier-free guidance) rafforza l'effetto: il modello prevede il rumore con il prompt e senza, e spinge il risultato verso la versione con il prompt. Una scala di guida più alta segue le parole più fedelmente e dà meno varietà. Per questo conta come si scrive; la nostra guida ai prompt di architettura AI mostra come descrivere un edificio. Quando le parole sono l'unica condizione, il risultato è una nuova immagine di ciò che il testo descrive: è così che gli strumenti text-to-image generano immagini di concept.

Architettura dei modelli di diffusione: backbone, VAE, codificatore di testo e campionatore

Un moderno modello di diffusione per immagini non è una sola rete, ma una catena di componenti che lavorano insieme. I loro nomi compaiono nelle schede dei modelli e negli annunci di rilascio, quindi conviene sapere che cosa fa ciascuno.

Backbone di denoising: U-Net o Diffusion Transformer (DiT)

Il backbone è la rete che prevede il rumore. I modelli precedenti, compreso Stable Diffusion v1, usano una U-Net, una rete convoluzionale che riduce l'immagine per coglierne la composizione e la riespande per recuperare il dettaglio. I Diffusion Transformer (DiT), presentati da William Peebles e Saining Xie nel dicembre 2022, sostituiscono la U-Net con un transformer che lavora su porzioni (patch) dell'immagine latente; modelli più recenti come FLUX usano blocchi transformer.

Autoencoder (VAE): lavorare nello spazio latente

I modelli di diffusione latente non rimuovono il rumore dai pixel a piena dimensione. Prima un autoencoder variazionale (VAE) comprime l'immagine in una rappresentazione latente molto più piccola; la diffusione avviene lì, e il decoder del VAE riporta il latente finale in pixel. L'autoencoder di Stable Diffusion v1 riduce ogni lato dell'immagine di un fattore 8.

Codificatore di testo: CLIP, T5 o un modello visione-linguaggio

Il codificatore di testo trasforma il prompt negli embedding che condizionano il backbone. Ogni modello ne usa uno diverso: Stable Diffusion v1 usa un codificatore di testo CLIP ViT-L/14 congelato, Imagen di Google usava il modello linguistico T5 e FLUX.2 abbina un modello visione-linguaggio da 24 miliardi di parametri (Mistral-3) al suo transformer per le immagini. Il codificatore decide anche quali lingue un modello capisce bene, ed è per questo che alcuni strumenti chiedono i prompt in inglese.

Attenzione e adattatori di controllo

I livelli di attenzione permettono a ogni parte dell'immagine di tenere conto del resto dell'immagine e del prompt, e questo mantiene coerente la composizione. Gli adattatori di controllo aggiungono nuove condizioni senza riaddestrare il modello di base: ControlNet (Lvmin Zhang, Anyi Rao e Maneesh Agrawala, febbraio 2023) blocca un modello text-to-image già addestrato e addestra una copia dei suoi livelli di codifica su contorni, mappe di profondità, segmentazioni o pose umane, così le linee di uno schizzo o la profondità di una vista del modello possono guidare l'immagine.

Campionatore e schedule del rumore

Il campionatore (sampler) è l'algoritmo che esegue il processo inverso: quanti passaggi compie e quanto rumore rimuove a ognuno. I campionatori DDPM e DDIM, e i modelli distillati per pochi passaggi, bilanciano velocità e qualità, e la scala di guida stabilisce quanto viene seguito il prompt. Insieme allo schedule del rumore usato in addestramento, queste impostazioni spiegano perché lo stesso modello può dare risultati diversi in due applicazioni.

Come è fatto Stable Diffusion

Stable Diffusion v1, il modello di diffusione latente più noto, combina i componenti descritti sopra: un autoencoder con fattore di riduzione 8, una U-Net da 860 milioni di parametri e un codificatore di testo CLIP ViT-L/14 da 123 milioni. È stato preaddestrato su immagini da 256 x 256 e affinato su immagini da 512 x 512 di un sottoinsieme di LAION-5B, e funziona su una GPU con almeno 10 GB di memoria video, secondo il repository di Stable Diffusion di CompVis.

Tipi di modelli di diffusione

La maggior parte dei modelli di diffusione combina diversi dei tipi seguenti: Stable Diffusion, per esempio, è un modello latente, condizionale e guidato che si può campionare con DDIM.

Modelli probabilistici di diffusione con denoising (DDPM)

I modelli probabilistici di diffusione con denoising, pubblicati da Jonathan Ho, Ajay Jain e Pieter Abbeel nel 2020, hanno reso la diffusione competitiva per le immagini. Aggiungono rumore gaussiano lungo molti passaggi temporali, formando una catena di Markov, e addestrano una rete su un limite variazionale pesato per invertirla. Su immagini LSUN da 256 x 256, l'articolo ha ottenuto una qualità dei campioni simile a quella di ProgressiveGAN, e la maggior parte dei modelli di diffusione successivi parte dalla sua ricetta.

Modelli generativi basati sullo score (SGM) e score SDE

I modelli basati sullo score imparano una "funzione di score", il gradiente del logaritmo della densità di probabilità dei dati, che indica in quale direzione deve muoversi un campione per somigliare di più ai dati reali. Yang Song e Stefano Ermon li hanno presentati nel 2019; l'articolo del 2020 sulle score SDE, di Song e colleghi, descrive il processo diretto come un'equazione differenziale stocastica a tempo continuo, genera i campioni risolvendo l'equazione a tempo inverso e ha mostrato che questo quadro comprende sia i modelli basati sullo score sia i modelli probabilistici di diffusione.

Modelli di diffusione latente (LDM)

I modelli di diffusione latente spostano il processo di diffusione dallo spazio dei pixel allo spazio latente di un autoencoder già addestrato. Robin Rombach, Andreas Blattmann, Dominik Lorenz, Patrick Esser e Björn Ommer li hanno presentati nel dicembre 2021, osservando che i modelli di diffusione nello spazio dei pixel richiedevano spesso centinaia di giorni di GPU per l'addestramento ed erano costosi da campionare. Lavorare su una rappresentazione compatta riduce questo costo conservando il dettaglio.

Dopo il denoising, il decoder riporta il latente a un'immagine. Stable Diffusion, rilasciato pubblicamente nell'agosto 2022, è il modello di diffusione latente più noto: CompVis lo ha costruito a partire dal proprio articolo sugli LDM in collaborazione con Stability AI e Runway. Non tutti i modelli famosi sono latenti: DALL·E 2 usa un modello a priori (prior) che produce un embedding d'immagine CLIP e un decoder a diffusione che lo trasforma in immagine.

Modelli di diffusione condizionale

I modelli di diffusione condizionale aggiungono informazioni esterne come segnale guida: embedding di testo, etichette di classe, maschere di segmentazione o un'immagine. Nei sistemi text-to-image, una descrizione scritta determina composizione, stile e soggetto del risultato; nei sistemi image-to-image lo fa anche un'immagine caricata. Una condizione orienta il risultato ma non fissa ogni dettaglio, un punto importante per gli architetti, come spiega l'ultima sezione.

Modelli di diffusione guidata

La diffusione guidata orienta il processo inverso verso una condizione durante il campionamento, senza riaddestrare il modello di base. La guida con classificatore, presentata da Prafulla Dhariwal e Alex Nichol nel 2021, usa i gradienti di un classificatore di immagini addestrato a parte; la guida senza classificatore (classifier-free guidance), di Jonathan Ho e Tim Salimans (2022), addestra un solo modello con e senza la condizione e combina le due previsioni. In entrambi i casi, una guida più forte segue più da vicino la condizione a scapito della varietà.

Modelli impliciti di diffusione con denoising (DDIM)

I Denoising Diffusion Implicit Models, di Jiaming Song, Chenlin Meng e Stefano Ermon (2020), non sono un tipo diverso di modello addestrato ma un modo più veloce di campionarlo: usano la stessa procedura di addestramento dei DDPM e un processo inverso non markoviano che può essere deterministico, così lo stesso rumore di partenza dà la stessa immagine. L'articolo riporta campioni di alta qualità da 10 a 50 volte più veloci, misurati in tempo effettivo, rispetto al campionamento DDPM.

Flow matching e rectified flow

Il flow matching addestra un modello a portare il rumore verso i dati lungo un percorso appreso, invece di invertire passo dopo passo una catena fissa di rumore. Black Forest Labs ha costruito FLUX.1 (agosto 2024, 12 miliardi di parametri) sul flow matching, che descrive come un metodo generale che include la diffusione come caso particolare, e FLUX.2 (novembre 2025) sul flow matching latente con un transformer rectified flow.

Modelli di diffusione distillati e a pochi passaggi

La distillazione addestra un modello studente veloce a fare in pochi passaggi ciò che un modello insegnante più lento fa in molti. SDXL Turbo usa l'Adversarial Diffusion Distillation per campionare in 1-4 passaggi, fino a una sola valutazione della rete, e FLUX.1 [schnell] genera immagini in 1-4 passaggi. I modelli a pochi passaggi sono uno dei motivi per cui i generatori di immagini oggi restituiscono risultati in pochi secondi; i motori in tempo reale che disegnano scene 3D usano un'altra tecnica, spiegata nella nostra guida al rendering in tempo reale.

Breve storia dei modelli di diffusione

Chi ha inventato i modelli di diffusione?

Jascha Sohl-Dickstein, Eric A. Weiss, Niru Maheswaranathan e Surya Ganguli hanno presentato i modelli probabilistici di diffusione nel marzo 2015. Yang Song e Stefano Ermon hanno sviluppato i modelli generativi basati sullo score nel 2019, e l'articolo sui DDPM di Jonathan Ho, Ajay Jain e Pieter Abbeel (giugno 2020) ha portato il metodo a produrre immagini di alta qualità. Robin Rombach e i suoi coautori hanno introdotto la diffusione latente nel dicembre 2021, la base di Stable Diffusion.

Quando sono stati inventati i modelli di diffusione?

Il primo modello di diffusione è stato pubblicato nel 2015, ma le prime versioni erano sperimentali. I DDPM hanno portato immagini di alta qualità nel 2020 e nel 2021 Prafulla Dhariwal e Alex Nichol hanno mostrato che i modelli di diffusione superavano le GAN nella sintesi di immagini. La diffusione text-to-image è decollata nel 2022 con DALL·E 2, Imagen e il rilascio pubblico di Stable Diffusion. La cronologia qui sotto riporta le tappe con le fonti.

Vantaggi e svantaggi dei modelli di diffusione

I modelli di diffusione sono diventati l'approccio principale alla generazione di immagini perché uniscono qualità, varietà e un addestramento stabile. In cambio campionano più lentamente, richiedono molta potenza di calcolo e offrono un controllo che non è mai esatto.

Vantaggi dei modelli di diffusione

• Immagini fotorealistiche di alta qualità: il campionamento affina l'immagine gradualmente, con texture fini e dettagli coerenti. Nel 2021 i modelli di diffusione hanno superato i migliori modelli generativi dell'epoca su ImageNet, coprendo meglio la varietà dei dati.

• Varietà: ogni nuovo rumore di partenza dà un'immagine diversa, quindi un solo prompt offre molte opzioni.

• Addestramento stabile: un unico obiettivo di denoising e nessuna competizione tra un generatore e un discriminatore rendono l'addestramento più prevedibile di quello di una GAN e meno soggetto al collasso dei modi.

• Controllo: testo, etichette di classe, maschere, contorni, mappe di profondità o un'immagine di riferimento possono condizionare il risultato.

• Molti compiti con un'unica idea: lo stesso denoising serve per inpainting, super-risoluzione, image-to-image, video e audio.

Svantaggi dei modelli di diffusione

• Campionamento più lento dei modelli a passaggio singolo: la rete viene eseguita una volta per passaggio, mentre una GAN genera in un solo passaggio. I campionatori DDIM sono da 10 a 50 volte più veloci di DDPM e i modelli distillati richiedono da 1 a 4 passaggi, quindi la distanza si è ridotta molto.

• Costi elevati di calcolo, memoria ed energia: l'articolo sugli LDM osserva che i modelli di diffusione nello spazio dei pixel richiedevano spesso centinaia di giorni di GPU per l'addestramento. La scheda di Stable Diffusion v1-4 indica 150.000 ore su GPU A100, con emissioni stimate di 11.250 kg di CO2 equivalente, e Stable Diffusion v1 richiede una GPU con almeno 10 GB di memoria per funzionare.

• Grandi insiemi di addestramento: i modelli competitivi imparano da raccolte enormi di immagini, come un sottoinsieme di LAION-5B per Stable Diffusion; alcuni sviluppatori, come Adobe per Firefly e Moonvalley, dichiarano di addestrare su contenuti con licenza.

• Sensibili alle impostazioni: uno schedule del rumore, un tasso di apprendimento o una scala di guida sbagliati possono rallentare l'addestramento o peggiorare le immagini.

• Interpretabilità e controllo esatto limitati: il processo è stocastico e difficile da interpretare, e un prompt o un'immagine di riferimento orientano il risultato senza fissarne ogni dettaglio, quindi le immagini vanno controllate.

Modelli di diffusione vs GAN, VAE e modelli autoregressivi

La diffusione è uno dei vari modi per generare immagini. La tabella confronta le principali famiglie di modelli.

Le GAN sono veloci ma più difficili da addestrare, i VAE sono veloci e stabili ma danno immagini più morbide, e i modelli di diffusione scambiano velocità con qualità e varietà. Le famiglie vengono spesso combinate: la diffusione latente usa un VAE per comprimere e decomprimere le immagini, e la distillazione di SDXL Turbo aggiunge una loss avversariale presa dalle GAN. La nostra guida alle GAN in architettura mostra come vengono usate nella progettazione.

Tutti i generatori di immagini AI sono modelli di diffusione?

No. Nella sua scheda di sistema di marzo 2025, OpenAI afferma che la generazione di immagini di 4o in ChatGPT è un modello autoregressivo, a differenza di DALL·E, che descrive come un modello di diffusione; l'architettura del suo modello più recente, GPT Image 2, non è dichiarata. I modelli FLUX usano il flow matching, che include la diffusione come caso particolare, e le pagine di prodotto dei modelli di immagine Nano Banana di Google e dei modelli video Veo, Runway e Pika non indicavano alcuna architettura quando le abbiamo controllate a ottobre 2026. Per capire che cosa può fare ChatGPT nel lavoro quotidiano di progettazione, leggi ChatGPT per architetti.

Modelli di diffusione e LLM

Un modello linguistico di grandi dimensioni (LLM), come quelli alla base di ChatGPT, è autoregressivo: scrive il testo un token alla volta, ciascuno previsto a partire dai precedenti. Un modello di diffusione produce l'intero risultato in una volta e lo affina in più passaggi di denoising. La differenza sta nel metodo, non nel mezzo: esistono anche modelli di diffusione per il testo e modelli autoregressivi per le immagini.

A cosa servono i modelli di diffusione?

I modelli di diffusione generano e modificano immagini, video e suoni. Questi sono i loro usi principali.

Generazione text-to-image

Un prompt scritto diventa una nuova immagine. Stable Diffusion, FLUX e Imagen sono nati per questo, e si usa per concept art, illustrazioni, immagini di prodotto e prime idee di progetto.

Image-to-image e trasferimento di stile

Un modello può anche prendere un'immagine esistente come condizione e ridisegnarla in un altro stile, con un'altra luce o con altri materiali, mantenendone la composizione generale. Gli adattatori di controllo come ControlNet fanno sì che le linee o la profondità dell'immagine di partenza guidino il risultato più da vicino.

Modifica delle immagini e inpainting

L'inpainting rigenera solo un'area mascherata in modo che si fonda con il resto dell'immagine: togliere un oggetto, cambiare un pavimento o provare un nuovo materiale di facciata. In ArchiVinci, l'inpainting con l'AI funziona con il modulo Modifica: segna un'area con il pennello o il lazo, descrivi la modifica e viene ridisegnata solo quell'area, con un piccolo margine intorno.

Super-risoluzione e restauro

Gli upscaler basati sulla diffusione prevedono il dettaglio di una versione più grande invece di allungare i pixel, quindi le nuove linee sottili sono una previsione e vanno controllate. Con un piano, la funzione Upscale di ArchiVinci ingrandisce un risultato generato fino a 4.096 px sul lato lungo, come mostra la pagina per migliorare i render con l'AI; la nostra guida all'upscaling AI spiega quando serve.

Generazione di video

I modelli di diffusione video estendono la generazione di immagini nel tempo, a partire da un prompt testuale o da un'immagine fissa; la parte difficile è mantenere coerenti oggetti, materiali e luce da un fotogramma all'altro. I principali modelli video sono elencati nella sezione successiva. La funzione da immagine a video con l'AI di ArchiVinci trasforma un'immagine fissa in una clip di 10 secondi, pagata con i coin inclusi nei piani.

Sintesi audio

La diffusione genera anche voce, musica ed effetti sonori rimuovendo il rumore da forme d'onda o spettrogrammi audio invece che dai pixel.

I modelli di diffusione più usati nel 2026

Le tabelle elencano generatori di immagini e video molto usati a ottobre 2026, con quello che ogni sviluppatore dichiara sull'architettura. Non tutti i generatori più noti sono modelli di diffusione, e molti sviluppatori non lo dicono.

Modelli per la generazione di immagini

Modelli per la generazione di video

Gli strumenti pensati per gli architetti uniscono modelli come questi a un flusso di lavoro di architettura; la nostra lista dei migliori strumenti di rendering AI li mette a confronto.

Modelli di diffusione in architettura: cosa possono e non possono fare

Per un architetto, la domanda utile non è quale rete usa uno strumento, ma da quali condizioni parte il modello e che cosa significa per l'immagine che si ottiene. Gli strumenti di immagini per l'architettura lavorano in due modi, ed entrambi hanno gli stessi limiti.

Text-to-image: trasformare una descrizione in immagini di architettura

In modalità text-to-image, le parole sono l'unica condizione: il modello parte dal rumore e lo orienta verso la tua descrizione. È adatta a primi concept, atmosfere e idee volumetriche, ma il modello non sa nulla del tuo sito, del tuo programma o delle tue misure. Il modulo Immagina di ArchiVinci, presentato nella pagina Dream Space AI, funziona così: descrivi un edificio, un ambiente o un paesaggio e genera nuove immagini dalle sole parole. Scrivi la descrizione in inglese per i risultati migliori.

Image-to-image: trasformare uno schizzo o una vista del modello in un'immagine

In modalità image-to-image, un'immagine caricata è una seconda condizione accanto al testo. A seconda dello strumento, l'immagine viene trasformata in contorni o in una mappa di profondità che un adattatore di controllo come ControlNet segue, oppure viene data al modello come immagine di riferimento. In entrambi i casi il modello disegna comunque una nuova immagine dal rumore: il file caricato lo orienta, non viene ricalcato. Il generatore di render AI di ArchiVinci funziona così: carica uno schizzo, una foto o uno screenshot di una vista del modello 3D, descrivi materiali e luce, e il motore predefinito, ArchiVinci 4.0, genera in pochi secondi una nuova immagine che segue ciò che hai caricato. Disegni al tratto e schizzi a mano passano anche da schizzo a render con l'AI.

Esempio dalla nostra pagina di render con l'AI. A sinistra: il disegno al tratto caricato. A destra: il risultato nel modulo Interni con il prompt "Warm modern living room with an oak floor, a beige linen sofa, a low travertine coffee table and sheer curtains.", il pulsante Luce diurna e il motore predefinito.

Perché due generazioni non danno mai la stessa immagine

Ogni generazione parte da un nuovo rumore casuale, quindi lo stesso prompt e la stessa immagine caricata danno ogni volta un'immagine diversa. È utile per esplorare opzioni ed è un limite per la documentazione: una condizione è una richiesta, non un vincolo. Nell'esempio qui sopra, il prompt chiedeva un tavolino in travertino e il modello ha disegnato un piano in legno su una struttura sottile; ringhiere, montanti delle finestre, insegne e piccoli testi vengono ridisegnati allo stesso modo. Al motore predefinito di ArchiVinci si chiede di mantenere prospettiva e geometria, ma è un'istruzione a un modello di AI, non un blocco, quindi controlla i dettagli che contano. Anche la luce è una condizione: le due immagini qui sotto nascono dalla stessa immagine caricata e dallo stesso prompt, ed è cambiato solo il pulsante di illuminazione.

Esempio dalla nostra pagina di render, realizzato nel modulo Esterni con il motore predefinito a partire da un'immagine caricata di una casa senza materiali e dal prompt "Modern house with white plaster walls, timber cladding on the upper floor, large glass openings, a lawn and a few trees." A sinistra: il pulsante Ora d'oro. A destra: il pulsante Crepuscolo.

Un modello di diffusione può produrre un disegno quotato?

No. Un modello di diffusione restituisce pixel, non geometria: non ha muri, quote o scala, solo colori che li ricordano. Può reinterpretare l'immagine di una pianta, ed è ciò che fa il modulo Pianta di ArchiVinci quando vuoi colorare una planimetria con l'AI in uno dei quattro stili (Vista 3D, Pennarello, Colore pieno o Disegno), ma lunghezze e superfici del risultato non sono misurate. Per una pianta da misurare e modificare, disegnala con Floor Plan Maker: muri, porte, finestre e locali con le loro superfici nel browser, una vista 3D ed esportazione in DXF, SVG, PDF o PNG. Funziona nei browser desktop, disegnare ed esportare è gratuito, e l'immagine o il PDF di una pianta esistente può essere ricostruito dall'AI come pianta modificabile (1 credito su un account gratuito, rimborsato se la conversione non riesce).

ArchiVinci: rendering AI che segue la tua immagine

ArchiVinci è un'app per browser che crea render di architettura con l'AI. Carica uno schizzo, una foto o uno screenshot di una vista da qualsiasi programma 3D, CAD o BIM (JPG, PNG o WebP fino a 5 MB), aggiungi se vuoi un prompt con materiali e luce, e il motore predefinito genera in pochi secondi una nuova immagine fotorealistica che la segue. L'immagine viene generata online, quindi non servono una scheda grafica locale né una render farm.

Cosa controlli dopo il caricamento:

• Luce: pulsanti come Luce diurna, Ora d'oro e Crepuscolo impostano la luce senza parole sull'illuminazione nel prompt; Crepuscolo dà un imbrunire con le luci accese.

• Una zona alla volta: Modifica render ti permette di segnare un'area con il pennello o il lazo e cambiare solo quella parte.

• Più versioni: ogni generazione disegna una nuova immagine, e con un piano una generazione restituisce fino a 4 immagini.

• Upscale e Animate: con un piano, Upscale ingrandisce un risultato fino a 4.096 px sul lato lungo e Animate lo trasforma in un breve video.

Serve un account, e un nuovo account parte con 3 crediti gratuiti. L'uso commerciale, come il lavoro per i clienti o il marketing, richiede un piano attivo; i piani sono nella pagina dei prezzi.

Punti chiave

• I modelli di diffusione generano immagini, video e suoni partendo da rumore casuale e rimuovendolo passo dopo passo, invertendo un processo di aggiunta del rumore appreso dai dati di addestramento.

• La maggior parte dei modelli di immagine combina un backbone di denoising (U-Net o transformer), un VAE per lo spazio latente, un codificatore di testo e un campionatore; Stable Diffusion è il modello di diffusione latente più noto.

• Rispetto alle GAN si addestrano in modo più stabile e danno immagini più varie e di qualità più alta; i modelli distillati come SDXL Turbo e FLUX.1 [schnell] riducono il campionamento a 1-4 passaggi.

• Non tutti i generatori di immagini AI sono modelli di diffusione: OpenAI descrive la generazione di immagini di 4o in ChatGPT come autoregressiva, e FLUX usa il flow matching.

• Un modello di diffusione restituisce pixel, non geometria: un prompt o un'immagine caricata lo orientano ma non lo vincolano, quindi controlla i dettagli e disegna le piante quotate con uno strumento apposito.

Provalo in ArchiVinci

Descrivi un edificio in una frase, oppure carica uno schizzo o una vista del modello 3D: ArchiVinci genera immagini di concept che lo seguono. Un nuovo account parte con 3 crediti gratuiti.

• Per i primi concept: Generatore di concept con l'AI

• Renderizza uno schizzo, una foto o una vista 3D: Rendering con l'intelligenza artificiale

Domande frequenti

Che cos'è la diffusione?

La diffusione è il processo naturale con cui le particelle si spostano dalle zone ad alta concentrazione a quelle a bassa concentrazione finché non si raggiunge l'equilibrio. Nel machine learning descrive come il rumore viene aggiunto gradualmente ai dati e poi invertito da un modello per recuperarne la struttura. Questo disordine controllato permette ai modelli di diffusione di generare nuovi dati dalla casualità, con una base fisica e statistica.

Qual è l'obiettivo dei modelli di diffusione?

L'obiettivo è modellare distribuzioni di dati complesse e generare campioni realistici che somiglino ai dati reali. Padroneggiando la trasformazione tra rumore e struttura, i modelli di diffusione possono sintetizzare immagini, audio e video coerenti. Privilegiano l'accuratezza statistica e la varietà rispetto alla memorizzazione, per una generazione creativa ma coerente.

Qual è la differenza tra DDPM e DDIM?

I DDPM campionano con un processo inverso casuale che aggiunge nuovo rumore a ogni passaggio e richiede molti passaggi. I DDIM usano lo stesso modello addestrato con un processo inverso che può essere deterministico e campionano da 10 a 50 volte più velocemente, quindi DDIM è la scelta di un campionatore, non un modello diverso.

Che cos'è lo schedule del rumore nei modelli di diffusione?

Lo schedule del rumore (noise schedule) definisce quanto rumore si aggiunge a ogni passaggio del processo diretto e quindi con quale velocità i dati passano dall'ordine alla casualità. Gli schedule lineari aggiungono rumore a incrementi costanti, mentre quelli a coseno lo fanno crescere in modo più graduale. Lo schedule scelto influisce sulla nitidezza delle immagini e sulla stabilità dell'addestramento.

Quale funzione di perdita usano i modelli di diffusione?

La maggior parte dei modelli di diffusione minimizza l'errore quadratico medio tra il rumore previsto e quello reale a ogni passaggio. Così il modello impara a invertire la corruzione con precisione. Alcune varianti usano perdite percettive o nello spazio latente per migliorare il realismo visivo e la coerenza semantica dei risultati.

Quanti passaggi di denoising servono?

Dipende dal campionatore e dal modello: il campionatore DDPM originale percorre una lunga catena di passaggi, DDIM è da 10 a 50 volte più veloce e i modelli distillati come SDXL Turbo e FLUX.1 [schnell] richiedono solo da 1 a 4 passaggi.

Che cos'è la classifier-free guidance?

La guida senza classificatore (classifier-free guidance) migliora il controllo del prompt senza una rete di classificazione separata: il modello impara una modalità condizionata e una non condizionata e ne combina le previsioni durante il campionamento. Una scala di guida più alta segue il prompt in modo più rigoroso; valori più bassi lasciano più varietà.

Quanto tempo serve per addestrare un modello di diffusione?

Da giorni a mesi, a seconda delle dimensioni del modello, dei dati e dell'hardware: i modelli piccoli si possono addestrare su una sola GPU, mentre la scheda di Stable Diffusion v1-4 indica 150.000 ore su GPU A100. Il fine-tuning di un modello esistente è molto più rapido e alla portata dei singoli creativi.

Si possono eseguire i modelli di diffusione su una CPU?

Sì, ma lentamente: i passaggi di denoising sono molto calcolo in parallelo che le GPU gestiscono molto meglio, e Stable Diffusion v1 è documentato per una GPU con almeno 10 GB di memoria video. In pratica si usa una GPU locale o un servizio online.

Come si fa il fine-tuning di un modello di diffusione?

Il fine-tuning adatta un modello già addestrato a uno stile, a un soggetto o a un prodotto. Metodi come DreamBooth, LoRA e Textual Inversion gli insegnano nuovi concetti con un piccolo insieme di immagini senza fargli perdere le conoscenze generali.

Quali linguaggi di programmazione supportano i modelli di diffusione?

Python domina il settore grazie a PyTorch e TensorFlow. Librerie come Hugging Face Diffusers semplificano l'implementazione sia nella ricerca sia in produzione. I modelli si possono anche esportare in ONNX o integrare in C++ per un'inferenza ottimizzata, anche se Python resta il linguaggio principale per sviluppare modelli di diffusione.

I modelli di diffusione sono apprendimento per rinforzo?

No. Un modello di diffusione è un modello generativo addestrato con un obiettivo di denoising su esempi di dati reali: impara a prevedere e rimuovere il rumore, non ad agire in un ambiente in cambio di una ricompensa.

Quali sono i migliori modelli di diffusione nel 2026?

Non esiste un unico modello migliore: dipende dal compito, dalla licenza e dal bisogno di pesi aperti. A ottobre 2026, tra le opzioni più usate ci sono Stable Diffusion 3.5 e FLUX.1 e FLUX.2 di Black Forest Labs, alcune versioni con pesi aperti; le tabelle qui sopra riportano ciò che dichiara ogni sviluppatore sui propri modelli.