OpenAI
想要快速入门Diffusion，最快捷的方式是从最经典的DDPM（Denoising Diffusion Probabilistic Models）开始学习。在学习DDPM之前，最好先去了解一下变分自编码器VAE。当对DDPM有了较好的理解之后，就可以去看看加速采样器DDIM了。完成这些之后，便能够直接去学习文生图模型Stable Diffusion了。通过对Stable Diffusion的学习，能够掌握最经典的条件扩散模型，进而了解Classifier - Free Diffusion Guidance。要是想进一步深入学习，宋飏的两篇重要文章值得一看，这两篇文章分别从score和SDE的角度对Diffusion Model进行了剖析。另外，还有几篇大型的教程类文章，深入学习这些文章也很有帮助。同时，也可以看看
OpenAI研究员Lilian Weng的博客Lil'Log，以及苏剑林的博客科学空间|Scientific Spaces。实际上，如果不是从事纯Diffusion理论研究的话，大致浏览上述入门资料就基本足够了。目前很多Diffusion的应用论文都是基于Stable Diffusion展开的，不妨更多地关注这方面的内容。
