복원 입력에 남은 구조
열화 영상도 물체의 위치나 대략적인 윤곽을 포함할 수 있다. 이 정보를 복원 결과를 만드는 출발 단서로 활용한다. 관측 영상과 깨끗한 영상의 분포를 직접 연결하는 과정이 핵심이다.
중간 분포를 이용한 학습
슈뢰딩거 브리지 가운데 경계 쌍이 주어지면 주변 분포를 해석적으로 계산할 수 있는 구성을 사용한다. 이를 통해 비선형 확산 경로의 시뮬레이션 없이 학습하는 프레임워크를 제안한다. 학습의 이 조건을 생성 단계까지 모든 계산이 사라진다는 뜻으로 읽어서는 안 된다.
조건부 확산과 복원 과제
인페인팅이나 초해상도, 흐림 제거, JPEG 흔적 복원 등 여러 과제를 다룬다. 과제별로 관측에 남아 있는 정보와 복원해야 할 세부가 달라진다. 하나의 관측에서 여러 결과가 가능할 때 생성된 세부를 원래 장면의 확정 정보로 취급할 수는 없다.
관측 정보의 독립 예
설명용으로 가로줄 두 개가 흐림 때문에 하나처럼 보이는 입력을 생각할 수 있다. 대략적인 위치는 남아 있어도 원래 줄 간격이 유일하게 정해지지는 않을 수 있다. 실제 연구 결과를 인용한 예가 아니라 구조적 단서와 미확정 세부의 차이를 설명한다.