扩散模型与表示学习：综述

文章预览

引言 扩散模型（Diffusion Models）是近年来在各种视觉任务中广受关注的生成建模方法。由于这些模型不依赖标签注释，因此可以被视为一种独特的自监督学习方法。 本文综述了扩散模型与表示学习之间的相互关系，概述了扩散模型的基本方面，包括数学基础、流行的去噪网络架构和指导方法 。此外， 本文还详细介绍了与扩散模型和表示学习相关的各种方法，包括利用预训练扩散模型学习的表示进行后续识别任务的框架，以及利用表示学习和自监督学习进展来增强扩散模型的方法 。本文旨在提供扩散模型与表示学习之间分类法的全面概述，识别现有问题和潜在探索的关键领域。 扩散模型（Diffusion Models）最近在生成建模领域中脱颖而出，展示了在图像合成、自然语言处理、计算化学和音频合成等领域的非凡成果 。扩散模型的卓越生成能力表明，它 ………………………………