열화 종류를 미리 정하는 문제
기존 블라인드 복원도 열화의 종류를 가정하고 그 매개변수만 추정하는 경우가 있다. BIR-D는 이런 제약을 줄이기 위해 생성 확산 사전 정보를 활용한다. 어떤 손상이 있었는지 모르는 입력에서 영상과 열화 표현을 함께 다루는 방향이다.
갱신되는 커널
최적화할 수 있는 합성곱 커널로 열화 모형을 흉내 낸다. 확산 단계에서 커널 매개변수를 동적으로 갱신한다. 한 번 정한 열화 모형을 끝까지 고정하는 것과 달리 복원 과정에서 관측을 설명하는 방식을 조정한다.
적응형 안내 강도
안내 강도를 고르는 경험적 식을 제시해 최적 매개변수의 격자 탐색 필요를 줄인다. 여러 안내 조건과 복합 열화도 다룬다. 경험적 선택 규칙은 특정 평가 조건에서 확인해야 하며 모든 입력의 최적값을 보증하는 식으로 받아들여서는 안 된다.
설명 가능한 관측과 정답
설명용 관측값 4는 원본 4에 배율 1을 적용해서도, 원본 8에 배율 0.5를 적용해서도 나온다. 관측을 설명하는 조합이 여럿일 수 있다는 뜻이다. 실제 커널 최적화 식의 예는 아니며 블라인드 복원에서 사전 정보가 필요한 이유를 보여준다.