拡散後方サンプリング（PS）は、画像復元の逆問題を解決するための主要なフレームワークであり、学習済みの事前分布と測定制約を組み合わせる。しかし、標準的なPS手法は瞬時のデータ一貫性推定に依存しており、逆動力学に時間的変動を引き起こす。本論文では、PSを動的観点から再解釈し、標準的なPS更新が拡散動力学の一次離散化と、デノイズ予測とデータ一貫性推定のミスマッチを捉える残差補正に対応することを示す。二次離散化は、連続する推定値の変動に基づく遅延時間補正を自然に導入する。
これに基づき、著者らはLAMP（Lag correction for Posterior sampling）を提案する。LAMPは二次更新とPS技術に特有の残差補正を組み合わせ、遅延時間補正を継承する。LAMPはモジュラープラグインとして任意のPSバックボーンに実装可能である。研究では、LAMPが後方サンプラーの構造を維持し、バイアス-バリアンストレードオフによる一段階リスク分析を通じて、LAMPが逆遷移を改善する条件を特徴付ける。
複数の画像処理タスクにおける実験では、LAMPはデノイジング評価回数を増やすことなく、DiffPIRやDDRMなどの強力なベースラインを一貫して上回る。本研究成果は会議に提出されており、9枚の図と9枚の表で示され、Davide Evangelistaら4名の著者によるものである。超解像やデブラーリングなどのタスクでの性能向上が確認され、LAMPは画像復元分野に効率的で統合が容易な改善策を提供する。