本文回顾了扩散模型，提出了变分扩散模型（VDM）和实用插播（PPAP）框架，利用无标记数据进行条件分布学习。研究表明，DiffFit策略能有效微调扩散模型，提升分类准确性。同时探讨了扩散模型在数据增强中的潜力，提出Patch Diffusion框架以提高训练效率。最后，介绍了自我蒸馏Fine-Tuning和新蒸馏方法，以优化推理计算时间和生成质量。