图像反问题计算的关键是图像先验表示的设计。随着近来年深度学习的发展，图像先验从传统的专家设计、数据驱动等表示，逐步发展到基于生成模型学习的表示。更精确的图像先验无疑能带来图像反问题计算的性能提升。本报告从生成模型任务展开，先简单介绍几种生成模型学习数据分布的范式，然后我们着重介绍扩散生成模型的数学建模以及如何发展基于扩散生成模型的反问题计算算法。扩散生成模型的迭代生成特性与反问题的迭代算法能很好地融合，而问题的关键是如何从数学上导出反问题的扩散生成式算法。本报告将介绍图像反问题的生成式算法的主要思想和计算框架。