이미지 복원을 위한 일반화된 오른스타인-울렌벡 브리지

확산 모델은 역방향 확률 미분 방정식을 통해 노이즈를 데이터에 매핑하여 강력한 생성 능력을 보여줍니다. 그러나 이미지 복원에서는 저품질 이미지를 고품질 이미지로 매핑하는 관계에 초점을 맞춥니다. 이 문제와 관련하여 우리는 일반화된 오른스타인-울렌벡 다리(GOUB) 모델을 소개합니다. 일반화된 OU 프로세스의 자연적인 평균 회귀 특성을 활용하고, 도브의 h-변환을 통해 그 정상 상태 분포의 분산을 제거함으로써, 점에서 점으로의 확산 매핑을 실현하여 저품질 이미지로부터 고품질 이미지를 복원할 수 있습니다. 또한, 다양한 다리 모델들이 모두 GOUB의 특수 사례임을 밝히고, 우리 제안 모델의 최적성을 경험적으로 입증하였습니다. 더불어, 픽셀 단위 세부 정보와 구조적 인식을 모두 포착하는 데 능숙한 대응되는 평균-ODE 모델도 제시하였습니다. 실험 결과는 inpainting, deraining, 그리고 super-resolution 등 다양한 작업에서 두 모델이 최고 수준의 성능을 달성하였음을 보여줍니다. 코드는 \url{https://github.com/Hammour-steak/GOUB}에서 제공됩니다.