图像生成模型是无监督学习的典型任务，其旨在从给定数据集中学习数据集的概率分布，已达到采样服从该分布新样本点的目的。本报告先讨论现有的几种生成模型算法（包括变分自编码器、生成对抗网络、正则化流以及基于分数函数的扩散模型）的主要思想，而后着重介绍扩散生成模型的原理及其数学建模。基于扩散生成模型的迭代特性，其很适合被应用于图像反问题的求解。本报告也介绍扩散生成模型在图像反问题中的应用相关研究工作。本报告偏重于图像生成模型的导引介绍，期待该报告能帮助听众对生成模型有个初步的了解。