في الآونة الأخيرة، اتسعت أبحاث نماذج التخلص من الضوضاء القائمة على الانتشار لتشمل مجال استعادة الصور. تستخدم الأساليب التقليدية لاستعادة الصور القائمة على الانتشار الصور المدمرة كمدخلات مشروطة لإرشاد عملية التوليد العكسية بفعالية، دون تعديل العملية الأصلية للتخلص من الضوضاء. ومع ذلك، نظرًا لاحتواء الصور المدمرة بالفعل على معلومات ذات تردد منخفض، فإن بدء العملية من الضوضاء البيضاء الغاوسية سيؤدي إلى زيادة خطوات العينات. نقترح Resfusion (إطار عام يدمج الحد المتبقّي في عملية الانتشار الأمامية، ويبدأ العملية العكسية مباشرةً من الصور المدمرة والضاجة. شكل عملية الاستدلال لدينا متوافق مع DDPM (نموذج الانتشار القائم على التخمين). قدمنا ضوضاء متبقّية موزونة، سُميت resnoise (الضوضاء المتبقّية)، كهدف للتنبؤ وحدّدنا العلاقة الكمية بين الحد المتبقّي والحد الضوضائي في resnoise بشكل صريح. عن طريق استخدام تحويل تكافؤ ناعم، يحدد Resfusion الخطوة المثلى للتسريع ويحافظ على سلامة الجداول الزمنية للضوضاء الموجودة، مما يوحّد عمليات التدريب والاستدلال. تظهر النتائج التجريبية أن Resfusion يحقق أداءً تنافسيًا على مجموعة بيانات ISTD ومجموعة بيانات LOL ومجموعة بيانات Raindrop باستخدام خمس خطوات عينة فقط. بالإضافة إلى ذلك، يمكن تطبيق Resfusion بسهولة على توليد الصور ويبرز بمرونة قوية. الرمز والموديل متوفرون على https://github.com/nkicsl/Resfusion.