前言

广播模型、扩散模型和传染模型可以用于分析信息、技术、行为、信念和传染病在人群中的传播。这些模型在通信科学、市场营销学和流行病学的研究中发挥着核心作用。

在计算机视觉中，生成模型是一类能够生成合成图像的模型。例如，一个被训练来生成人脸的模型，每次都会生成一张从未被该模型或任何人看到过的人脸。生成模型最著名的例子是GAN(生成对抗网络)。它有生成器和鉴别器，它们相互对抗，然后生成图像。由于模型本身具有对抗性，因此很难进行训练。这使得很难达到一个最优的平衡。利用扩散模型可以解决这个问题。

扩散模型也是生成模型，扩散模型背后的直觉来源于物理学。在物理学中气体分子从高浓度区域扩散到低浓度区域，这与由于噪声的干扰而导致的信息丢失是相似的。所以通过引入噪声，然后尝试通过去噪来生成图像。在一段时间内通过多次迭代，模型每次在给定一些噪声输入的情况下学习生成新图像。 

广播模型

扩散模型假设，当一个人采用了某种技术或患上了某种传染病时，这个人有可能将之传递或传染给与他接触的人。一个人患上某种传染病的概率取决于诸如遗传、病毒（细菌），甚至环境温度等因素。在炎热潮湿的季节，疟疾的传播速度要比在寒冷干燥的季节快得多。

在传染传染病的情况下，个人的选择不会在其中发挥任何作用。如果个人选择发挥作用，就很类似另一个模型——阈值模型，对应经典的案例就是骚乱模型，后面有机会分解。

技术的传播则与采用者的选择有关，因此更有用的技术被采用的概率更高。但是在这里，我们并没有在模型中明确将这种情况选择考虑在内。这样一来，