빈 영역을 채우는 복원의 분석
확산 인페인팅은 관측된 일부 영역을 바탕으로 빈 부분을 만든다. RePaint 플러스 관련 연구는 선형 모형 설정에서 표본 회복을 이론적으로 분석한다. 실제 사진 전체에 대한 제한 없는 정확 복원 주장과는 범위가 다르다.
불일치에서 생기는 편향
원래 RePaint에서 정렬 불일치가 편향을 만들어 표본 회복을 방해할 수 있음을 분석한다. 역과정의 표류와 분산에 있는 불일치 오차를 바로잡는 변형을 제안한다. 생성 결과가 자연스러워 보이는 것과 원래 표본의 정확한 회복은 다른 목표다.
수렴 보장의 적용 범위
정해진 선형 설정과 가정 아래 실제 표본 회복 및 선형 수렴 결과를 제시한다. 재학습 없이 새로운 마스크를 다루는 성질도 분석한다. 이 보장을 복잡한 자연 이미지의 임의 가림에서 항상 실제 정답을 찾는다는 뜻으로 확대해서는 안 된다.
오차 감소의 독립 계산
설명용 오차가 매번 절반으로 줄어 8, 4, 2, 1이 되면 반복 수에 따라 기하급수적으로 감소한다. 실제 알고리즘의 수렴 계수를 사용한 값은 아니다. 이런 수렴 형태와 실제 사진의 복원 보장은 별개임을 보여 준다.