مؤخراً، تم استخدام نماذج الانتشار لحل مشاكل عكسية متعددة بطريقة غير خاضعة للإشراف مع تعديلات مناسبة على عملية أخذ العينات. ومع ذلك، فإن الحلول الحالية، التي تطبق خطوة انتشار عكسي تليها خطوة قياس قائمة على الإسقاط، غالبًا ما تنتج نتائج دون المستوى الأمثل. من خلال دراسة مسار أخذ العينات التوليدي، نوضح هنا أن الحلول الحالية تؤدي إلى خروج مسار العينة عن مانيفولد البيانات، وبالتالي تتراكم الأخطاء. لمعالجة ذلك، نقترح مصطلح تصحيح إضافي مستوحى من قيد المانيفولد، والذي يمكن استخدامه بشكل متكامل مع الحلول السابقة لجعل التكرارات قريبة من المانيفولد. يعتبر قيد المانيفولد المقترح بسيطاً للتنفيذ في بضع أسطر من التعليمات البرمجية، إلا أنه يعزز الأداء بهامش كبير بشكل مدهش. من خلال تجارب واسعة، نعرض أن طريقتنا تتفوق على الطرق السابقة من الناحية النظرية والتجريبية، مما ينتج عنه نتائج واعدة في العديد من التطبيقات مثل إعادة طلاء الصور، وتلوين الصور، والتصوير المقطعي بالأشعة السينية بالنقاط النادرة. الكود متاح على https: //github. com/HJ-harry/MCGdiffusion
تشونغ وآخرون (Thu) درسوا هذا السؤال.