잡음 없는 일치의 한계
관측에 잡음이 있으면 복원 결과를 관측값에 엄격히 맞추는 것이 항상 바람직하지 않다. DPS는 잡음이 있는 일반 역문제로 확산 기반 복원을 확장한다. 생성 사전 정보와 관측 모형이 함께 결과에 영향을 준다.
확산과 기울기의 결합
사후 샘플링을 근사해 확산 샘플링과 다양체 제약 기울기를 결합한다. 엄격한 관측 일치 투영 단계를 요구하지 않는다는 점이 특징이다. 근사 방법이므로 모든 문제에서 정확한 사후 분포를 얻는다고 해석하면 안 된다.
비선형 관측의 예
설명용 관측이 y=x²이고 y=4라면 x=2와 x=−2를 구별할 수 없다. 여기에 잡음까지 더해지면 관측에 대한 허용 범위도 고려해야 한다. 비선형 역문제의 모호함을 보여주는 예이며 실제 영상의 푸리에 위상 복원 식 전체를 나타내지는 않는다.
서로 다른 잡음 모형
가우시안 및 포아송 잡음 통계와 푸리에 위상 복원, 비균일 흐림 제거 같은 문제를 연구한다. 잡음 모형이 달라지면 같은 잔차의 의미도 달라질 수 있다. 자연스러움과 관측 적합성, 여러 샘플의 차이 및 전체 반복 비용을 함께 확인한다.