기존 생성 모델의 활용
대규모 생성 모델이 학습한 영상 특성을 복원에 활용한다. 시간 인식 인코더를 두어 사전 학습된 합성 모델을 변경하지 않으면서 저품질 영상과 연결한다. 생성 능력을 활용하는 것과 입력의 세부를 그대로 보존하는 것은 서로 다른 요구다.
특징 조절과 절충
확산 과정의 확률성으로 생길 수 있는 충실도 손실을 줄이기 위해 제어 가능한 특징 조절 모듈을 사용한다. 추론 중 스칼라 값을 조정해 품질과 충실도의 균형을 바꾼다. 조절 값이 좋아 보인다고 원본과의 일치가 자동으로 증명되는 것은 아니다.
큰 영상의 경계
고정 크기 제약을 다루기 위해 점진적 집계 샘플링을 제안한다. 설명용으로 100화소 폭을 60화소 패치 두 개로 덮으면 20화소가 겹칠 수 있다. 겹치는 영역의 일관성이 중요하다는 예이며 실제 샘플링의 패치 크기나 결합 규칙을 나타내지는 않는다.
복원 결과의 평가
합성 및 실제 영상에서 작은 글자와 질감, 색의 변화를 확인한다. 임의 크기 적응을 지원해도 메모리 및 실행 시간의 제약이 사라지는 것은 아니다. 입력 크기와 조절 값, 반복 조건을 맞추어 품질과 전체 비용을 비교한다.