本文介绍了多种扩散模型在高分辨率图像生成中的应用，包括金字塔扩散模型、离散扩散模型和去噪扩散模型。这些模型通过优化计算资源和提高生成质量，展示了在低光图像增强、3D场景生成及语义图像合成等任务中的有效性，研究表明其在生成高质量图像时具有良好的性能和鲁棒性。

该文综述语义图像合成研究，涵盖基于GAN、无监督学习、扩散模型及Transformer的方法，应用于人脸与城市场景生成、语义分割等任务，强调生成多样性、控制能力及减少配对数据与计算成本，并展望多域学习与域泛化趋势。

综述扩散模型在生成领域的发展，涵盖潜在空间扩散提升效率、DDIM加速采样、语义图像合成、离散领域生成、表示学习及自动驾驶数据增强，推动高分辨率合成与跨领域应用。