Este artículo ofrece una revisión exhaustiva de los modelos de difusión, que han cobrado relevancia en el campo de la síntesis de imágenes y se han aplicado recientemente a la predicción de series temporales (TSF). Mientras que la investigación previa sobre series temporales se ha limitado a presentar aplicaciones de los modelos de difusión a TSF o a enumerar modelos individuales, este artículo presenta una clasificación sistemática de los modelos de TSF basados en la difusión existentes. Presentamos el modelo de difusión estándar y sus variantes, explicamos su aplicación a las tareas de TSF y realizamos una revisión exhaustiva de los modelos de difusión para TSF, centrándonos especialmente en las fuentes de información condicional y los mecanismos de condicionamiento dentro del modelo. Ofrecemos una clasificación sistemática y un resumen exhaustivo de los enfoques existentes, y examinamos los modelos de difusión subyacentes aplicados a TSF, los conjuntos de datos de uso común y las métricas de evaluación. Finalmente, analizamos los avances y las limitaciones de estos enfoques, así como las futuras líneas de investigación para TSF basados en la difusión.
