확산 모델은 이미지 합성, 비디오 생성, 분자 설계 등 여러 응용 분야에서 기록적인 성능을 보이며, 강력한 새로운 계열의 딥 생성 모델로 부상하였다. 본 설문에서는 확산 모델에 관한 빠르게 확장되는 연구 성과를 개관하고, 연구를 세 가지 핵심 영역—효율적인 샘플링, 개선된 우도(likelihood) 추정, 그리고 특수한 구조를 가진 데이터의 처리—로 분류한다. 또한 향상된 결과를 위해 확산 모델을 다른 생성 모델과 결합할 가능성에 대해 논의한다. 더 나아가 본 설문은 컴퓨터 비전, 자연어 처리, 시계열 데이터 모델링에서부터 다른 과학 분야에 이르기까지, 다양한 분야에서의 확산 모델의 폭넓은 응용을 검토한다. 본 설문은 확산 모델의 현 상태를 맥락화하여 심층적으로 조망하고, 집중해야 할 핵심 영역을 규명하며, 추가 탐색이 가능한 잠재적 영역을 제시하는 것을 목표로 한다. Github: https://github.com/YangLing0818/Diffusion-Models-Papers-Survey-Taxonomy

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.