扩散建模在三个关键领域取得了显著进展：提高效率、增强对输出的控制以及将应用扩展到图像生成之外。 研究人员正在应对计算成本和可用性等实际挑战，同时探索这些模型可以增加价值的新领域。 以下是塑造该领域当前工作最显著的趋势。
一个主要的关注点是提高扩散模型的效率。 传统的扩散模型需要许多迭代步骤来生成样本，这使得它们与 GAN 等替代方案相比速度较慢。 最近的工作通过减少推理过程中所需的步骤数量来解决这个问题。 例如，蒸馏技术（如渐进式蒸馏）将 50 步模型压缩为更少的步骤（例如 4-8 步），而质量损失最小。 诸如 DDIM（去噪扩散隐式模型）之类的方法使用非马尔可夫采样来加速生成，同时保持一致性。 另一种方法是训练一致性模型，该模型将扩散过程中的任何点直接映射到最终输出，从而实现单步生成。 开发人员还在尝试混合架构，例如将扩散与自动编码器或 Transformer 结合使用，以减少训练期间的内存使用量。
另一个趋势是增强对生成输出的控制。 虽然早期的扩散模型依赖于基本的文本提示，但较新的方法可以通过空间约束、掩码或多模式输入来实现细粒度的控制。 例如，ControlNet 允许用户使用边缘图、深度图或分割掩码来指导图像生成。 诸如 instruct-pix2pix 之类的技术可以通过自然语言指令（例如“使天空变暗”）对图像进行迭代编辑。 对于文本到音频或视频，研究人员正在集成交叉注意力层，以在训练期间对齐多种模式（文本、音频、视觉帧）。 对解耦潜在空间的研究也越来越受欢迎，允许用户调整特定属性（例如光照、姿势），而不会影响输出的不相关部分。 这些改进使扩散模型对于设计工具和内容创建管道更实用。
最后，扩散模型正被应用于非图像领域。 在 3D 生成中，诸如扩散概率占用网络之类的方法从文本或点云创建 3D 形状。 对于 视频生成，诸如 Imagen Video 之类的模型使用时间感知架构来保持跨帧的一致性。 在 生物学 中，扩散模型通过学习分子构象中的“噪声”来用于蛋白质结构预测和分子设计。 即使是 语言模型 也在采用扩散原理——诸如 Diffusion-LM 之类的项目探索通过迭代细化噪声向量来生成连贯的文本。 这些应用突出了扩散框架的灵活性，尽管在将它们扩展到复杂的高维数据，同时保持计算可行性方面仍然存在挑战。