🤖 AI

Inference-Time Search Using Side Information for Diffusion-Based Image Reconstruction

यह शोध पत्र एक नवीन, प्रशिक्षण-मुक्त ढांचे का प्रस्ताव करता है जो इन्फ्रेंस-टाइम सर्च के माध्यम से विविध साइड इंफॉर्मेशन को शामिल करके विभिन्न इनवर्स समस्याओं के लिए डिफ्यूजन-आधारित इमेज रिकंस्ट्रक्शन को बढ़ाता है, जिससे कई सॉल्वर और कार्यों में प्रदर्शन में निरंतर सुधार होता है।

मूल लेखक: Mahdi Farahbakhsh, Vishnu Teja Kunde, Dileep Kalathil, Krishna Narayanan, Jean-Francois Chamberland

प्रकाशित 2026-05-27

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Mahdi Farahbakhsh, Vishnu Teja Kunde, Dileep Kalathil, Krishna Narayanan, Jean-Francois Chamberland

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक बड़ी तस्वीर: एक संकेत के साथ पहेली सुलझाना

कल्पना कीजिए कि आप एक बहुत ही कठिन जिग्सॉ पहेली (jigsaw puzzle) को सुलझाने की कोशिश कर रहे हैं, लेकिन किसी ने अधिकांश टुकड़ों को निकाल दिया है और जो बचे हैं उन्हें धुंधला कर दिया है। आप अनुमान लगाने की कोशिश कर रहे हैं कि मूल तस्वीर कैसी दिखती थी। वैज्ञानिक इसे "इनवर्स प्रॉब्लम" (inverse problem) कहते हैं।

AI की दुनिया में, डिफ्यूजन मॉडल्स (Diffusion Models) उन बेहद बुद्धिमान कलाकारों की तरह हैं जिन्होंने लाखों तस्वीरें देखी हैं। वे इस आधार पर अनुमान लगाने में माहिर हैं कि कोई गायब टुकड़ा कैसा हो सकता है। हालांकि, जब पहेली टूटी हुई होती है (जैसे कि छवि धुंधली, शोर वाली, या बड़े हिस्से गायब हो), तो AI एक ऐसी तस्वीर का अनुमान लगा सकता है जो दिखने में तो उचित लगती है (जैसे कि एक चेहरा), लेकिन वह सही चेहरा नहीं होता (वह गलत व्यक्ति होता है)।

यह पेपर AI को पहेली सुलझाने में मदद करने के लिए एक नया तरीका पेश करता है, जिसमें उसे एक संकेत (जिसे "साइड इंफॉर्मेशन" कहा जाता है) और सबसे अच्छा उत्तर खोजने के लिए एक खोज रणनीति (search strategy) दी जाती है।

समस्या: AI अंधेरे में अनुमान लगा रहा है

लेखक बताते हैं कि वर्तमान AI विधियाँ एक गणितीय पथ का अनुसरण करके छवियों का पुनर्निर्माण करने का प्रयास करती हैं। लेकिन जब इनपुट डेटा खराब होता है (जैसे कि बहुत धुंधली फोटो), तो कई संभावित उत्तर हो सकते हैं। AI एक ऐसा रास्ता चुन सकता है जो किसी विशिष्ट व्यक्ति के बजाय एक सामान्य चेहरे की ओर ले जाता है।

आमतौर पर, इसे ठीक करने के लिए, आपको AI को नए डेटा के साथ फिर से प्रशिक्षित (retrain) करना होगा। लेकिन वह महंगा, धीमा है और इसके लिए भारी मात्रा में युग्मित उदाहरणों (जैसे एक धुंधली फोटो के साथ एक स्पष्ट फोटो) की आवश्यकता होती है। लेखक इस बिना AI को पुनः प्रशिक्षित किए इस समस्या को हल करने का एक तरीका चाहते थे।

समाधान: एक संकेत के साथ "सर्च पार्टी" (Search Party)

लेखक एक विधि प्रस्तावित करते हैं जिसे इन्फरेंस-टाइम सर्च (Inference-Time Search) कहा जाता है। यह कैसे काम करता है, इसे दो भागों में विभाजित किया गया है:

1. संकेत (साइड इंफॉर्मेशन)

कल्पना कीजिए कि आप एक भीड़भाड़ वाले शहर में अपने खोए हुए दोस्त को ढूंढने की कोशिश कर रहे हैं।

बिना संकेत के: आप AI से पूछते हैं, "मेरा दोस्त कैसा दिखता है?" AI अनुमान लगाता है, "शायद भूरे बालों वाला एक लंबा व्यक्ति।" वह कोई भी हो सकता है।
संकेत के साथ: आप AI को पिछले सप्ताह की अपने दोस्त की एक फोटो दिखाते हैं (रेफरेंस इमेज) या उसे बताते हैं, "मेरे दोस्त ने लाल टोपी पहनी है" (टेक्स्ट विवरण)।

यह पेपर दिखाता है कि कैसे इस संकेत को AI की प्रक्रिया में डाला जा सकता है। संकेत को समझने के लिए नया AI प्रशिक्षित करने के बजाय, वे एक रिवॉर्ड सिस्टम (Reward System) का उपयोग करते हैं।

AI कुछ अनुमान उत्पन्न करता है।
एक "जज" (एक प्री-ट्रेंड टूल) अनुमान और संकेत को देखता है।
यदि अनुमान संकेत से मेल खाता है (उदाहरण के लिए, चेहरा रेफरेंस फोटो जैसा दिखता है), तो जज उसे उच्च स्कोर (रिवॉर्ड) देता है।
यदि यह मेल नहीं खाता, तो उसे कम स्कोर मिलता है।

2. खोज (द "सर्च पार्टी")

AI को केवल एक अनुमान लगाने और सबसे अच्छे की उम्मीद करने देने के बजाय, लेखक AI को एक "सर्च पार्टी" चलाने के लिए कहते हैं।

कल्पना कीजिए कि आप एक अंधेरे कमरे में एक विशिष्ट चाबी ढूंढ रहे हैं।

पुराना तरीका (बेसलाइन): आप एक व्यक्ति को भेजते हैं। वह एक रास्ता चलता है, एक चाबी पाता है, और उसे वापस लाता है। यदि उसने गलत रास्ता चुना, तो आपको गलत चाबी मिलेगी।
नया तरीका (इन्फरेंस-टाइम सर्च): आप एक साथ 8 लोगों (कणों/particles) को भेजते हैं। वे सभी अलग-अलग रास्ते चलते हैं।
- हर कुछ कदमों के बाद, वे रुकते हैं और अपना "स्कोर" चेक करते हैं (कि उनका वर्तमान रास्ता संकेत से कितनी अच्छी तरह मेल खाता है)।
- जिन लोगों के स्कोर सबसे खराब होते हैं, उन्हें घर भेज दिया जाता है।
- जिन लोगों के स्कोर सबसे अच्छे होते, उन्हें डुप्लिकेट (क्लोन) किया जाता है ताकि अधिक लोग उनके सफल पथ का अनुसरण कर सकें।

पेपर इस खोज को व्यवस्थित करने के दो विशिष्ट तरीके पेश करता है:

क्रीडी सर्च (Greedy Search): हर कोई एक विशिष्ट चेकपॉइंट तक अकेले चलता है, फिर सबसे अच्छे लोगों को क्लोन किया जाता है।
रिकर्सिव फोर्क-जॉइन सर्च (RFJS): यह इस पेपर का मुख्य आकर्षण है। यह एक पारिवारिक वृक्ष (family tree) की तरह है।
- कल्पना कीजिए कि लोगों का एक बड़ा समूह है। हर घंटे, वे छोटे समूहों में विभाजित होते हैं।
- प्रत्येक छोटे समूह के भीतर, वे देखते हैं कि कौन सबसे अच्छा प्रदर्शन कर रहा है और उन्हें क्लोन करते हैं।
- लेकिन समूह कुछ समय के लिए अलग रहते हैं ताकि वे सभी एक ही गलत अंत (dead end) की ओर न दौड़ पड़ें।
- यह खोज को विविध (diverse) (विभिन्न संभावनाओं की खोज करना) बनाए रखता है, जबकि साथ ही सबसे अच्छे सुरागों पर केंद्रित (focusing) भी रहता है।

यह एक बड़ी बात क्यों है

पेपर तीन मुख्य जीत का दावा करता है:

यह बिना पुनः प्रशिक्षण के काम करता है: आपको AI को कुछ भी नया सिखाने की आवश्यकता नहीं है। आप बस इसे संकेत देते हैं और इसे खोजने देते हैं। यह टेक्स्ट, फोटो, या यहाँ तक कि मेडिकल स्कैन (जैसे MRI इमेज) के साथ भी काम करता है।
यह केवल एक "अच्छा" उत्तर नहीं, बल्कि "सही" उत्तर ढूंढता है: प्रयोगों में, AI ने न केवल छवि को स्पष्ट बनाया; बल्कि इसने व्यक्ति की पहचान (identity) को भी बहाल किया।
- उपमा: यदि आप किसी सेलिब्रिटी की धुंधली फोटो को ठीक कर रहे हैं, तो पुराने तरीके एक ऐसा चेहरा बना सकते हैं जो एक सामान्य सुंदर व्यक्ति जैसा दिखता है। यह नया तरीका एक ऐसा चेहरा बनाता है जो बिल्कुल उस सेलिब्रिटी जैसा दिखता है।
यह केवल "अधिक कंप्यूटिंग पावर" से बेहतर है: लेखकों ने परीक्षण किया कि यदि वे बिना संकेत के AI को अधिक बार चलाते हैं तो क्या होता है। उन्होंने पाया कि बिना संकेत के समस्या पर अधिक कंप्यूटिंग पावर लगाने से ज्यादा मदद नहीं मिली। लेकिन संकेत जोड़ने और खोज करने से बहुत बड़ा अंतर आया।

परिणाम सरल भाषा में

टीम ने इनका परीक्षण किया:

चेहरों को ठीक करना: एक धुंधली या गायब चेहरे वाली फोटो को लेकर, सही पहचान को बहाल करने के लिए एक रेफरेंस फोटो का उपयोग करना।
सुपर-रिज़ॉल्यूशन (Super-resolution): एक छोटी, पिक्सेलेटेड छवि को टेक्स्ट विवरण (जैसे, "झील पर एक गोल्डन रिट्रीवर") का उपयोग करके हाई-डेफिनिशन में बदलना।
मेडिकल इमेजिंग: एक अलग प्रकार के स्कैन को संकेत के रूप में उपयोग करके MRI स्कैन का पुनर्निर्माण करना।

हर मामले में, उनकी विधि ने पिछले सर्वोत्तम तरीकों की तुलना में अधिक "ग्राउंड ट्रुथ" (मूल सत्य) जैसी दिखने वाली छवियां बनाईं, भले ही उन्होंने अंतर्निहित AI मॉडल को नहीं बदला।

सारांश

इस पेपर को एक जासूस की नई रणनीति के रूप में सोचें। केवल एक सहज अनुमान (पुराना AI तरीका) पर भरोसा करने के बजाय, जासूस जांचकर्ताओं की एक टीम (सर्च पार्टिकल्स) भेजता है। प्रत्येक जांचकर्ता अपने सुरागों की जांच एक विशिष्ट संकेत (साइड इंफॉर्मेशन) के विरुद्ध करता है। टीम लगातार साझा करती है कि कौन सबसे अच्छे सुराग ढूंढ रहा है और अधिक जांचकर्ताओं को उस पथ पर भेजती है। यह उन्हें बहुत तेज़ी से और अधिक सटीकता से रहस्य (छवि का पुनर्निर्माण) सुलझाने की अनुमति देता है, बिना डिटेक्टिव को डिटेक्टिव बनने के लिए फिर से प्रशिक्षित किए।

तकनीकी सारांश: डिफ्यूजन-आधारित इमेज रिकंस्ट्रक्शन के लिए साइड इंफॉर्मेशन का उपयोग करते हुए इन्फरेंस-टाइम सर्च

समस्या का निरूपण (Problem Formulation)

डिफ्यूजन मॉडल आंशिक या शोर वाले अवलोकनों (observations) से इमेज रिकंस्ट्रक्शन जैसे इनवर्स प्रॉब्लम्स को हल करने के लिए शक्तिशाली प्रायर (prior) के रूप में उभरे हैं। हालांकि, मौजूदा दृष्टिकोण आमतौर पर साइड इंफॉर्मेशन (सहायक माप जो लक्ष्य सिग्नल से संवेदी रूप से संबंधित होते हैं, जैसे कि संदर्भ चित्र, पाठ्य विवरण, या पूरक मेडिकल स्कैन) की अनदेखी करते हैं। गंभीर रूप से 'इल-पोज़्ड' (ill-posed) सेटिंग्स में, जहाँ अवलोकन अत्यधिक खराब हो जाते हैं, अनकन्स्ट्रेंड पोस्टीरियर सैंपलिंग वास्तविक सत्य (ground truth) को पुनः प्राप्त करने में विफल रहती है क्योंकि कई रिकंस्ट्रक्शन उन मापों की समान रूप से व्याख्या कर सकते हैं।

मुख्य चुनौती यह है कि बिना रिट्रेनिंग के, इन्फरेंस टाइम पर साइड इंफॉर्मेशन के साथ एक पूर्व-प्रशिक्षित, अनकंडीशनल डिफ्यूजन प्रायर का उपयोग करके इनवर्स प्रॉब्लम्स को कैसे हल किया जाए। एक कंडीशनल डिफ्यूजन मॉडल ( $p(X|Y, S)$ ) को प्रशिक्षित करना अक्सर अव्यावहारिक होता है क्योंकि इसके लिए बड़े पेयर्ड डेटासेट्स की आवश्यकता होती है, इसमें अनसीन मोडैलिटीज (unseen modalities) के प्रति सामान्यीकरण करने की क्षमता नहीं होती, और प्रशिक्षण की कम्प्यूटेशनल लागत अधिक होती है। इसके अलावा, मानक ग्रेडिएंट-आधारित गाइडेंस विधियाँ नॉन-डिफरेंशिएबल या ब्लैक-बॉक्स रिवॉर्ड फंक्शन्स के साथ संघर्ष करती हैं और नाजुक हो सकती हैं, जिससे शुरुआती चरणों की त्रुटियां बढ़ जाती हैं।

कार्यप्रणाली (Methodology)

लेखक एक प्लग-एंड-प्ले, ट्रेनिंग-फ्री फ्रेमवर्क प्रस्तावित करते हैं जो इन्फरेंस-टाइम सर्च के माध्यम से साइड इंफॉर्मेशन को शामिल करता है। यह कार्यप्रणाली दो मुख्य घटकों से मिलकर बनी है: मॉडलिंग और एल्गोरिथमिक सर्च।

1. रिवॉर्ड-टिल्टेड पोस्टीरियर्स के माध्यम से साइड इंफॉर्मेशन की मॉडलिंग

कंडीशनल स्कोर फंक्शन सीखने के बजाय, लेखक पूर्व-प्रशिक्षित अनकंडीशनल प्रायर $p_0$ के एक रिवॉर्ड-टिल्टेड वर्जन के रूप में पोस्टीरियर $p_{X|S}$ को मॉडल करते हैं। वे एक रिवॉर्ड फंक्शन $r(x_0; s)$ पेश करते हैं जो एक कैंडिडेट रिकंस्ट्रक्शन $x_0$ और साइड इंफॉर्मेशन $s$ के बीच निरंतरता (consistency) को स्कोर करता है।

सरोगेट ऑब्जेक्टिव: कंडीशनल डिस्ट्रीब्यूशन को $p_{0|S}(x_0|s) \propto p_0(x_0) \exp(r(x_0; s)/\tau)$ के रूप में अनुमानित किया जाता है, जहाँ $\tau$ एक टेम्परेचर पैरामीटर है। यह एब्स्ट्रैक्शन मेजरमेंट मॉडल को साइड इंफॉर्मेशन से अलग करता है, जिससे मोडैलिटी-एग्नोस्टिक (modality-agnostic) एकीकरण (टेक्स्ट, इमेज, फीचर्स) संभव होता है।
अनुमान (Approximation): रिवर्स डिफ्यूजन प्रक्रिया के भीतर इसे व्यावहारिक बनाने के लिए, लेखक एक सुलभ कंडीशनल स्कोर फंक्शन का व्युत्पन्न (derive) करते हैं। वे वैल्यू फंक्शन $V_t^\tau$ को एक DPS-शैली के एस्टीमेटर का उपयोग करके अनुमानित करते हैं, जो पोस्टीरियर पर एक्सपेक्टेशन को कंडीशनल मीन एस्टीमेट $\hat{x}_{0|t,Y}$ पर मूल्यांकित रिवॉर्ड से बदल देता है।
ग्रेडिएंट-फ्री लाभ: रिवॉर्ड ग्रेडिएंट गाइडेंस (RGG) के विपरीत, जिसे डिनोइज़र नेटवर्क के माध्यम से बैक-प्रोपैगेट करने (सेकंड-ऑर्डर डेरिवेटिव कंप्यूट करने) की आवश्यकता होती है और जो केवल डिफरेंशिएबल रिवॉर्ड्स तक सीमित है, यह फ्रेमवर्क ब्लैक-बॉक्स, नॉन-डिफरेंशिएबल रिवॉर्ड फंक्शन्स का समर्थन करता है।

2. इन्फरेंस-टाइम सर्च एल्गोरिदम

लार्ज लैंग्वेज मॉडल्स (LLMs) की सफलताओं से प्रेरित होकर, यह फ्रेमवर्क सॉल्यूशन स्पेस को एक्सप्लोर करने और हाई-रिवॉर्ड ट्रेजेक्टरीज को चुनने के लिए पार्टिकल-बेस्ड सर्च का उपयोग करता है। दो विशिष्ट एल्गोरिदम पेश किए गए हैं:

ग्रीडी सर्च (GS): एक सीक्वेंशियल मोंटे कार्लो (SMC) दृष्टिकोण जहाँ पार्टिकल्स स्वतंत्र रूप से विकसित होते हैं और उनके रिवॉर्ड्स के आधार पर समय-समय पर रीसैंपल किए जाते हैं। रीसैंपलिंग हर $B$ स्टेप्स में होती है, जिसमें उच्चतम-रिवॉर्ड वाले पार्टिकल्स को आगे बढ़ाने के लिए चुना जाता है।
रिकर्सिव फोर्क-जॉइन सर्च (RFJS): एक पदानुक्रमित (hierarchical) रीसैंपलिंग रणनीति जो एक्सप्लोरेशन और एक्सप्लोइटेशन के बीच बेहतर संतुलन बनाने के लिए डिज़ाइन की गई है। पार्टिकल्स को अलग-अलग आकार के डायनेमिक समूहों में विभाजित किया जाता है। छोटे समूहों को अधिक बार रीसैंपल किया जाता है (लोकल एक्सप्लोरेशन), जबकि बड़े समूहों को कम बार रीसैंपल किया जाता है (ग्लोबल डायवर्सिटी)। यह सहयोगात्मक संरचनाओं (जैसे, बार-बार होने वाली छोटी समूह बैठकें बनाम वार्षिक सम्मेलन) की नकल करता है ताकि प्रीमैच्योर कन्वर्जेंस (मोड कोलैप्स) को रोका जा सके और साथ ही हाई-रिवॉर्ड क्षेत्रों का लाभ उठाया जा सके।

यह फ्रेमवर्क मॉड्यूलर है और इसे DPS, Blind DPS, DAPS, और MPGD जैसे मौजूदा डिफ्यूजन-आधारित इनवर्स प्रॉब्लम सॉल्वर्स के साथ एकीकृत किया जा सकता है।

मुख्य योगदान (Key Contributions)

नवीन मॉडलिंग: पेपर एक रिवॉर्ड-टिल्टेड पोस्टीरियर एप्रोक्सिमेशन पेश करता है जो बिना रिट्रेनिंग के अनकंडीशनल डिफ्यूजन प्रायर में किसी भी प्रकार की साइड इंफॉर्मेशन को शामिल करने की अनुमति देता है। यह दृष्टिकोण KL-रेगुलराइज्ड रिवॉर्ड मैक्सिमाइजेशन में सैद्धांतिक रूप से आधारित है और एरर बाउंड्स के साथ सुलभ अनुमान प्रदान करता है।
एल्गोरिथमिक नवाचार: लेखक रिकर्सिव फोर्क-जॉइन सर्च (RFJS) प्रस्तावित करते हैं, जो पदानुक्रमित रीसैंपलिंग के माध्यम से एक्सप्लोरेशन और एक्सप्लोइटेशन को डायनामिक रूप से संतुलित करने वाली एक नवीन इन्फरेंस-टाइम सर्च रणनीति है। यह विविधता बनाए रखते हुए हाई-क्वालिटी सॉल्यूशंस तक पहुँचने में स्टैंडर्ड ग्रीडी सर्च और बेस्ट-ऑफ-N रणनीतियों से बेहतर प्रदर्शन करता है।
मोडैलिटी-एग्नोस्टिक प्लग-एंड-प्ले: यह फ्रेमवर्क विविध साइड इंफॉर्मेशन मोडैलिटीज (संदर्भ चित्र, टेक्स्ट, एनाटॉमिकल एमआरआई स्कैन्स) का समर्थन करता है और ब्लैक-बॉक्स रिवॉर्ड फंक्शन्स के साथ काम करता है, जो ट्रेनिंग-बेस्ड कंडीशनल मॉडल्स की सीमाओं को पार करता है।
अनुभवजन्य सत्यापन (Empirical Validation): व्यापक प्रयोगों से पता चलता है कि इस फ्रेमवर्क के साथ मौजूदा सॉल्वर्स को जोड़ने से रिकंस्ट्रक्शन क्वालिटी में लगातार सुधार होता है, विशेष रूप से गंभीर रूप से इल-पोज़्ड परिदृश्यों में।

प्रयोगात्मक परिणाम (Experimental Results)

फ्रेमवर्क का मूल्यांकन लीनियर और नॉन-लीनियर इनवर्स प्रॉब्लम्स (बॉक्स इनपेंटिंग, सुपर-रिज़ॉल्यूशन, मोशन/गौसियन/नॉन-लीनियर डीब्लरिंग, ब्लाइंड डीब्लरिंग) और विविध साइड इंफॉर्मेशन प्रकारों के माध्यम से किया गया।

इमेज साइड इंफॉर्मेशन: फेस रिकंस्ट्रक्शन टास्क (रेफरेंस इमेजेस का उपयोग करके) में, प्रस्तावित RFJS विधि ने FaceSimilarity (FS) में बेसलाइन्स (DPS, Blind DPS, DAPS, MPGD) को काफी पीछे छोड़ दिया, जो पहचान संरक्षण के प्रति मानवीय धारणा के अनुरूप एक मेट्रिक है। जबकि क्लासिकल मेट्रिक्स (PSNR, SSIM, LPIPS) मामूली या असंगत सुधार दिखाते हैं, संवेदी गुणवत्ता और पहचान का संरक्षण काफी बढ़ गया।
टेक्स्ट साइड इंफॉर्मेशन: टेक्स्टुअल विवरणों (जैसे, 32× सुपर-रिज़ॉल्यूशन) से जुड़े कार्यों के लिए, विधि ने बेसलाइन्स की तुलना में उच्च CLIPScore और प्रॉम्प्ट के साथ बेहतर संरेखण (alignment) प्राप्त किया। गुणात्मक परिणामों ने उस संवेदी सार्थक कंटेंट की रिकवरी दिखाई जिसे बेसलाइन्स जनरेट करने में विफल रहे।
मेडिकल इमेजिंग: पूरक कंट्रास्ट (PD और PDFS) का उपयोग करके एमआरआई रिकंस्ट्रक्शन में, विधि ने NMI में सुधार किया और स्ट्रक्चरल डिटेल्स को ContextMRI की तुलना में बेहतर तरीके से संरक्षित किया।
स्केलिंग और मजबूती (Robustness):
- कंप्यूट स्केलिंग: बिना साइड इंफॉर्मेशन वाले बेसलाइन्स के विपरीत, जहाँ पार्टिकल्स की संख्या ( $N$ ) बढ़ाने से नगण्य लाभ मिलता था, प्रस्तावित फ्रेमवर्क ने $N$ बढ़ने के साथ निरंतर गुणवत्ता सुधार दिखाया।
- मजबूती: विधि खराब साइड इंफॉर्मेशन (जैसे, ब्लर किए गए रेफरेंस इमेज) के साथ भी प्रभावी रही और गंभीर रूप से इल-पोज़्ड सेटिंग्स (जैसे, बड़े मास्क, भारी ब्लर) में भी प्रभावी रही।
- एब्लेशन: फ्रेमवर्क रिवॉर्ड फंक्शन के चुनाव (जब तक कि वह निरंतरता को कैप्चर करता है) और रीसैंपलिंग हाइपरपैरामीटर $B$ के प्रति कम संवेदनशीलता प्रदर्शित करता है।

महत्व और दावे (Significance and Claims)

पेपर का दावा है कि इसका प्राथमिक महत्व डिफ्यूजन-आधारित इनवर्स प्रॉब्लम्स के लिए साइड इंफॉर्मेशन का लाभ उठाने हेतु एक सिद्धांतिक, ट्रेनिंग-फ्री मैकेनिज्म प्रदान करना है।

इल-पोज़्डनेस को दूर करना: लेखक तर्क देते हैं कि साइड इंफॉर्मेशन उन गंभीर रूप से इल-पोज़्ड समस्याओं को हल करने के लिए महत्वपूर्ण है जहाँ केवल माप पर्याप्त नहीं होते हैं।
कंप्यूट की दक्षता: कार्य इस बात पर प्रकाश डालता है कि इन्फरेंस-टाइम कंप्यूट को स्केल करना (N बढ़ाना) तभी प्रभावी होता है जब उसे साइड इंफॉर्मेशन द्वारा निर्देशित किया जाता है; इसके बिना, अतिरिक्त कंप्यूट से मिलने वाला लाभ घट जाता है।
परसेप्चुअल फिडेलिटी: परिणाम क्लासिकल पिक्सेल-वाइज मेट्रिक्स (PSNR, SSIM) पर निर्भरता को चुनौती देते हैं, यह प्रदर्शित करते हुए कि प्रस्तावित विधि बेहतर संवेदी और सिमेंटिक फिडेलिटी प्राप्त करती है, जो कई इनवर्स प्रॉब्लम्स में वास्तविक उद्देश्य है।
सामान्यीकरण (Generality): रिट्रेनिंग या विशिष्ट कंडीशनिंग आर्किटेक्चर की आवश्यकता के बिना, यह दृष्टिकोण एक लचीला समाधान प्रदान करता है जो विभिन्न डोमेन और मोडैलिटीज में लागू होता है, जिससे डिफ्यूजन-आधारित सॉल्वर्स अधिक विश्वसनीय और सटीक बनते हैं।

लेखक विनम्रतापूर्वक नोट करते हैं कि उनके सर्च एल्गोरिदम में एक्सप्लोरेशन-एक्सप्लोइटेशन ट्रेड-ऑफ के लिए औपचारिक अनुकूलता गारंटी (optimality guarantees) का अभाव है और वे सिद्धांतिक ह्यूरिस्टिक्स पर निर्भर हैं, जो भविष्य के सैद्धांतिक सुधारों के लिए गुंजाइश छोड़ते हैं।