측정값으로 생성 안내하기
역문제에서는 사전 모형에 맞는 이미지뿐 아니라 관측값과 맞는 결과가 필요하다. 잡음이 있는 중간 표본에서 측정의 우도를 추정하는 일이 핵심이 된다. 일반적인 무조건 이미지 생성과는 추가 조건이 다르다.
역전파 비용의 대안
기존 확산 사후 표본추출은 사전 학습 모형을 통한 역전파가 계산과 메모리를 많이 쓸 수 있다. 이 연구는 조건부 기대값을 MAP 기반 대리 추정량으로 다루는 접근을 제안한다. 기대값과 MAP는 일반적으로 같은 통계량이 아니다.
정규화 문제와 샘플러
추가 밀도 근사 아래 선형 역문제의 MAP 추정은 데이터 적합도와 확산 사전 관련 항을 가진 정규화 최적화 문제가 된다. 이를 DDIM 계열 샘플러에 통합한다. 분석에 쓰인 근사와 문제 조건을 제외한 정확한 사후분포 보장으로 해석해서는 안 된다.
서로 다른 대표값의 독립 예
설명용 분포에서 값 0의 확률이 0.6, 값 10의 확률이 0.4라면 평균은 4이고 가장 가능성 높은 값은 0이다. 실제 영상 모형 수치를 재현한 값이 아니다. 평균에 해당하는 추정과 최빈 선택을 대체할 때 해석이 달라질 수 있음을 보여 준다.