随着AI生成内容的兴起，扩散概率模型成为一种先进生成模型的代表，其背后的技术是由Sohl-Dickstein等人于2015年首次提出的。其中，去噪扩散概率模型（DDPM）的出现，标志着这类模型的爆发，引发了一系列新研究的涌现，应用领域包括语音建模、文本到语音、文本到图像以及多变量时间序列预测等。扩散模型作为一种生成模型，具有独特而有趣的特性。经过训练的模型能够轻松执行图像修复（inpainting）和零样本降噪（zero-shot denoising）任务。此外，DDPM中使用的变分约束强化了与变分自动编码器（VAE）和神经压缩技术的联系，因此本文将从简单的变分自编码器出发，后续再深入探讨扩散模型，通过联系不同模型之间的关系，提出未来研究方向。