本研究提出了一种去噪扩散概率模型（DDPM-PCC），用于低比特率点云压缩。该模型通过PointNet编码器生成条件向量，并利用可学习向量量化器进行量化，显著提高了比特率-失真性能，优于现有技术。

本研究提出了一种自我推测解码（ASD）方法，旨在解决去噪扩散概率模型（DDPMs）推理中的计算瓶颈，显著提高推理速度。ASD在并行运行时的速度比传统方法快约$ ilde{O}(K^{rac{1}{3}})$。

本研究提出了一种基于去噪扩散概率模型（DDPM）的房间脉冲响应（RIR）插值方法，旨在估算未测量位置的RIR。该方法在不同麦克风阵列上有效重建缺失的RIR，显著提高插值精度。

本研究提出了一种基于去噪扩散概率模型的合成框架，以解决智能电网中高质量电力流数据获取不足的问题。该方法通过辅助训练和物理信息损失函数生成的数据在统计上可靠，符合电力系统的可行性。实验结果表明，该模型在可行性和统计特征准确性方面优于其他基线模型，展示了其在电力系统数据驱动应用中的潜力。

本研究提出了一种基于去噪扩散概率模型（DDPM）的视频摘要生成框架，旨在解决视频摘要中的注释不一致性问题。该方法通过概率分布生成摘要，有效降低主观噪声干扰，展现出优异的去噪能力和更强的泛化能力，实验结果验证了其有效性。

本研究提出了一种新的去噪扩散概率模型（DDPM），用于模拟太阳日冕在极紫外波段的演化。该模型能够生成真实的视觉输出，并准确捕捉系统演化的随机性，为空间天气预测提供可靠的置信区间。

本研究解决了去噪扩散概率模型（DDPM）在高维数据中的迭代复杂度问题，证明其迭代复杂度与内在维度k近似线性相关，展示了其在生成AI中的高效性和潜在影响。

Ophiuchus模型通过SO（3）-等变粗粒化方法高效处理蛋白质残基的重原子，保持对称性。模型使用局部卷积模拟序列模体间的相互作用。通过训练重建PDB片段，研究不同压缩率下的重建能力，并在构象内插中快速应用。利用去噪扩散概率模型采样小型蛋白质的潜在嵌入，实验显示Ophiuchus在蛋白质建模和生成中具备扩展性和效率。

本研究提出了一种新方法，利用去噪扩散概率模型生成医学图像及其标志热图，减少对大规模标注数据集的依赖。通过马尔可夫随机场和统计形状模型评估，显著提升了手部X光图像的解剖标志定位能力。

本研究提出了一种基于去噪扩散概率模型（DDPM）的方法，用于解决显微镜图像中的噪声和低分辨率问题。实验结果显示，该模型在多个数据集上表现优秀，具有良好的通用性。

本研究提出了一种基于去噪扩散概率模型的方法，解决了高帧率超声成像中高噪声的问题。该方法在模拟数据、幻影和活体图像中均表现出优越的去噪效果，具有临床应用潜力。

本文提出了一种新颖的DiWa方法，用于SISR。该方法将DDPMs与DWT相结合，能够在小波频谱上产生高频信息，生成高质量、详细的重建。该方法在定量指标上优于当前最先进的扩散SISR方法，参数更少，推理时间更短。

研究人员通过图像到图像的转换和去噪扩散概率模型，提出了一种新的方法来预测太阳光学磁图的演变。该方法综合了计算机科学指标和物理指标来评估模型性能，结果显示扩散概率模型在维持太阳磁场的完整性和其他物理特征方面表现出色。研究目标是使用深度学习提高对太阳耀斑等物理事件的理解。未来的研究将致力于整合更多太阳数据，提高生成模型的准确性和适用性。

本文介绍了一种基于去噪扩散概率模型（DDPM）的简单预训练方法，用于牙科放射图像的语义分割。该方法提高了标签效率，不需要修改架构，与现有的最先进的预训练方法相竞争。

本文研究了非均匀离散时间马尔可夫过程中的去噪扩散概率模型（DDPM）。通过与已知的研究广泛的OU过程建立等价关系，证明了DDPM中的噪声调度器设计问题等价于OU过程的观测时间设计问题。提出了几种启发式的观测时间设计，并将其与DDPM的特殊噪声调度相连接。展示了费舍尔信息驱动的调度与余弦调度完全一致。

本文提出了一种新的人脸图像质量评估方法DifFIQA，基于去噪扩散概率模型（DDPM）评估人脸图像质量。通过量化DDPM对图像的影响，用于质量预测。实验证明该方法表现良好。

本文提出了一种新型流程，使用心脏超声语义标签图引导的去噪扩散概率模型（DDPMs）生成合成图像，可用于医学影像分析任务的深度学习模型训练。该流程在未见实际数据的数据集上进行了评估，与现有技术相比，Dice分数分别增加了9.09％，3.7％和15.0％，具有潜力应用于其他医学成像模态的任务。

本文提出了一种新颖的DiWa方法，用于SISR，结合了DDPMs和DWT，实现在小波频谱上为超分辨图像产生高频信息，从而生成高质量、详细的重建。该方法在定量指标上优于当前最先进的扩散SISR方法，同时使用更少的参数和节省推理时间。

该研究提出了一种利用深度学习的联合源信道编码和去噪扩散概率模型来解决噪声无线信道上的图像传输问题的新方案。该方案在重建图像的失真和感知质量方面相比其他方法有显着改进。研究者将公开源代码以促进进一步研究和可重复性。