نقدم نموذج الانتشار الاحتمالي الثنائي (BDPM)، وهو نموذج تولي جديد مُحسّن للتمثيلات الثنائية للبيانات. رغم أن نماذج الانتشار الاحتمالي المُزيلة للضوضاء (DDPMs) قد أظهرت نجاحًا لافتًا في مهام مثل تركيب الصور وإعادة بنائها، فإن النماذج التقليدية من DDPMs تعتمد على تمثيلات بيانات مستمرة وخسارة الخطأ التربيعي المتوسط (MSE) أثناء التدريب، وتستخدم نماذج ضوضاء جاوسية قد لا تكون مثلى للهياكل البيانات المتقطعة أو الثنائية. يعالج BDPM هذا الأمر عبر تفكيك الصور إلى طبقات بت (bitplanes) واستخدام تحويلات ضوضاء قائمة على XOR، مع تدريب النموذج المُزيل للضوضاء باستخدام خسارة التصنيف الثنائية. هذا الأسلوب يمكّن من السيطرة الدقيقة على الضوضاء والاستدلال الحسابي الفعّال، مما يقلل بشكل كبير من تكاليف الحوسبة ويحسن تقارب النموذج. عند تقييمه في مهام إعادة بناء الصور مثل زيادة دقة الصور وإكمالها وإعادة بناء الصور العمياء، يتفوق BDPM على أفضل الأساليب الحالية في مجموعات البيانات FFHQ وCelebA وCelebA-HQ. ومن الجدير بالذكر أن BDPM يحتاج إلى خطوات استدلال أقل من النماذج التقليدية من DDPM لتحقيق النتائج المثلى، مما يبرز كفاءته الاستدلالية المحسنة.