تظهر نماذج الانتشار قدرات توليدية قوية تمكن من رسم خرائط الضوضاء إلى البيانات عبر المعادلات التفاضلية العشوائية العكسية. ومع ذلك، في استعادة الصور، التركيز ينصب على العلاقة بين رسم الخرائط من الصور ذات الجودة المنخفضة إلى الصور ذات الجودة المرتفعة. فيما يتعلق بهذا الموضوع، نقدم نموذج الجسر المعمم أورنشتاين-أولنbeck (GOUB). من خلال الاستفادة من الخاصية الطبيعية للعودة إلى المتوسط في عملية أورنشتاين-أولنbeck المعممة وإزالة تباين توزيع الحالة الثابتة لها عبر تحويل دوب h، نحقق رسم خرائط الانتشار من نقطة إلى نقطة مما يمكّن من استعادة الصور ذات الجودة المرتفعة من الصور ذات الجودة المنخفضة. علاوة على ذلك، نكشف عن الجوهر الرياضي الأساسي المشترك بين مختلف نماذج الجسور، والتي تعتبر جميعها حالات خاصة من GOUB ونبين بشكل تجريبي مثالية النماذج المقترحة لدينا. بالإضافة إلى ذلك، نقدم النموذج Mean-ODE المقابل الذي يتميز بقدرته على التقاط التفاصيل على مستوى البكسل والإدراك الهيكلي. تظهر النتائج التجريبية الأداء الرائد الذي حققه كلا النموذجين في مجموعة متنوعة من المهام، بما في ذلك الإكمال والتصحيح من الأمطار والزيادة الفائقة للدقة. يمكن الحصول على الكود من \url{https://github.com/Hammour-steak/GOUB}.