深度生成模型旨在建模输入数据的联合概率分布,为刻画数据内的不确定性和无监督学习提供了一种优雅、系统的解决方案。得益于其学习机制,深度生成模型天然适合密度估计、数据压缩、异常检测、数据合成与编辑和表示学习等任务,并被广泛地应用于视觉、文本、语音、跨模态、和科学数据上。本次报告将系统地阐述深度生成模型的基本原理,展示深度生成模型的典型应用,并介绍课题组在扩散概率模型等方向取得的一些进展。