본 논문은 이미지 합성 분야에서 시작하여 최근 시계열 예측(TSF)에도 적용되어 주목받고 있는 확산 모델에 대한 종합적인 검토를 제공합니다. 기존의 시계열 관련 논문들은 확산 모델의 TSF 적용 사례를 소개하거나 개별 모델을 나열하는 데 그쳤지만, 본 논문은 기존 확산 기반 TSF 모델에 대한 체계적인 분류를 제시합니다. 표준 확산 모델과 그 변형 모델을 소개하고 TSF 작업에 대한 적용 방식을 설명하며, 특히 조건 정보의 출처와 모델 내 조건화 메커니즘에 중점을 두어 TSF를 위한 확산 모델을 포괄적으로 검토합니다. 기존 접근 방식에 대한 체계적인 분류와 종합적인 요약을 제공하고, TSF에 적용된 기본 확산 모델, 일반적으로 사용되는 데이터셋 및 평가 지표를 살펴봅니다. 마지막으로, 이러한 접근 방식의 진전과 한계, 그리고 확산 기반 TSF의 미래 연구 방향을 논의합니다.
