관측 이후의 가능한 영상
관측이 일부 정보를 잃었을 때 원본 후보는 여럿일 수 있다. DDRM은 관측을 조건으로 자연 영상의 가능한 복원 결과를 샘플링한다. 변분 추론의 관점에서 사전 학습된 확산 모델을 활용하며 문제마다 지도 학습 모델을 새로 만드는 부담을 줄인다.
선형 관측의 의미
흐림이나 특정 화소의 누락처럼 선형 연산으로 나타낼 수 있는 관측을 다룬다. 이때 관측 연산과 잡음 조건은 복원 과정에 중요하다. 실제 사진의 모든 복합 열화가 하나의 알려진 선형 연산으로 정확히 표현되는 것은 아니다.
잡음 조건의 예
설명용 관측값 10에 잡음 표준편차가 0인 경우와 2인 경우는 관측에 대한 신뢰가 다르다. 후자에서는 후보가 10과 조금 다르다고 바로 틀렸다고 단정할 수 없다. 잡음 모형의 의미를 보여주는 예이며 DDRM이 실제로 이 스칼라 관측만 다룬다는 뜻은 아니다.
복원과 생성의 평가
복원된 영상이 자연스러운지와 관측을 설명하는지를 함께 확인한다. 초해상도와 흐림 제거, 인페인팅 및 색상화에서 조건을 나누어 평가한다. 샘플 하나의 그럴듯함으로 원본의 동일성을 주장할 수 없으며 전체 반복 비용과 생성 결과의 다양성도 살핀다.