生成模型是一种训练模型进行无监督学习的模型，即，给模型一组数据，希望从数据中学习到信息后的模型能够生成一组和训练集尽可能相近的数据
图像生成（Image generation，IG）则是指从现有数据集生成新的图像的任务。图像生成模型包括无条件生成和条件性生成两类，其中，无条件生成是指从数据集中无条件地生成样本，即p(y)；条件性图像生成是指根据标签有条件地从数据集中生成样本，即p(y|x)。
去噪扩散概率模型（Denoising Diffusion Probabilistic Model，DDPM）
可以参考这篇文章
我觉得这句话说的很好虽然背后的推导比较复杂，但是最终得到的优化目标非常简单，就是让网络预测的噪声与真实的噪声一致。
高斯噪声是一种通过向输入数据添加均值为零和标准差(σ)的正态分布随机值而产生的噪声。 正态分布，也称为高斯分布，是一种连续概率分布
马尔科夫链用一句话来概括马尔科夫链的话，那就是某一时刻状态转移的概率只依赖于它的前一个状态。
我没有细读可以参考这篇文章马尔科夫链
图像分辨率指图像中存储的信息量，是每英寸图像内有多少个像素点，分辨率的单位为PPI(Pixels Per Inch)，通常叫做像素每英寸
超分辨率（Super-Resolution），简称超分（SR）。是指利用光学及其相关光学知识，根据已知图像信息恢复图像细节和其他数据信息的过程，简单来说就是增大图像的分辨率，防止其图像质量下降。
深度生成模型从整体上来说，是以某种方式寻找某种数据的概率分布