UC Berkeley（加州大学伯克利分校）

一句话定位：深度学习与生成模型的顶尖学术源头，DDPM 在此奠定现代扩散模型基础。

主攻方向：生成模型（扩散/概率建模）、强化学习、计算机视觉、机器学习理论。

代表作：

• ddpm（Denoising Diffusion Probabilistic Models，Ho/Jain/Abbeel，重新点燃扩散模型并成为图像生成主流范式的起点）。

活跃时间：长期为 ML/CV 学术前沿；ddpm 于 2020 年发表，引爆此后数年的扩散生成研究浪潮。

在 OCR 谱系里的角色：不直接做 OCR，但 ddpm 奠定的扩散范式深刻影响了手写文本生成（HTG）与文档图像合成/数据增强路线，为 OCR 训练数据与生成式方法提供了重要工具。