本書第1章介紹AIGC與相關技術，第2章從三個視角介紹擴散模型的基本理論、演算法，此外介紹了擴散模型的神經網路架構和代碼實現。第3章、第4章、第5章分別從高效採樣、似然最大化、資料結構三個方面系統介紹了擴散模型的特點，以及後續的改進工作。第6章討論了擴散模型與其他生成模型的關聯，包括變分自編碼器、生成對抗網路、歸一化流、自回歸模型和基於能量的模型。第7章介紹了擴散模型的應用，包括電腦視覺、自然語言處理、時間資料建模、多模態學習、魯棒學習和跨學科應用。第8章討論了擴散模型的未來，以及與GPT和大模型的關聯。
《擴散模型：生成式AI模型的理論、應用與代碼實踐》適合高等院校電腦科學、人工智慧和醫學、生物學等交叉學科專業的師生，以及相關人工智能應用程式的開發人員閱讀。
《擴散模型：生成式AI模型的理論、應用與代碼實踐》適合高等院校電腦科學、人工智慧和醫學、生物學等交叉學科專業的師生，以及相關人工智能應用程式的開發人員閱讀。