복원 결과가 하나로 정해지지 않을 때
같은 저품질 입력을 설명할 수 있는 고품질 영상이 여러 개일 수 있다. 단일 단계 회귀는 가능한 결과들을 평균처럼 섞어 세부를 약하게 만들 수 있다. InDI는 이런 평균화 문제를 다루기 위해 작은 단계의 반복 복원을 사용한다.
입력에서 직접 개선하기
순수 잡음에서 시작해 열화 영상을 조건으로 제공하는 조건부 잡음 제거 확산과 출발점이 다르다. InDI는 저품질 입력 자체를 점차 복원한다. 여러 단계를 사용한다는 공통점만으로 같은 생성 절차라고 보아서는 안 된다.
열화식과 학습 쌍
열화 과정의 해석적 형태를 미리 알 것을 요구하지 않고 이미지 쌍에서 반복 복원을 학습한다. 그렇다고 데이터 조건까지 사라지는 것은 아니다. 흐림 제거, 초해상도, 압축 흔적 제거, 잡음 제거 등 적용 과제에 맞는 학습 자료가 필요하다.
평균화의 독립 계산
설명용으로 가능한 두 세부 패턴이 (0, 2)와 (2, 0)이라면 평균은 (1, 1)이다. 평균이 두 후보 사이에 있어도 어느 후보의 대비도 그대로 남기지 못한다. 실제 영상 수치나 모형 출력을 인용한 것이 아니라 회귀 평균화의 의미를 보여 주는 예다.