본 논문은 천체사진 복원에 있어 기존 심층 신경망 기반 방법들의 한계를 극복하기 위해 Deep Image Prior (DIP) 모델을 개선하는 연구를 제시합니다. 기존 DIP 모델의 과적합, 인공물 생성, 불안정성 문제를 해결하기 위해, 다중 프레임 처리를 위한 Back Projection과 TVNet 모델을 통합하고, Markov 접근 방식과 Monte Carlo 추정, Langevin dynamics, 변분 입력 기법을 도입하여 잡음 학습을 줄이고 손실 함수 변동을 완화함으로써 결과의 안정성을 향상시켰습니다. 실험 결과, 기존 DIP 모델, Lucky Imaging 기법, 최신 transformer 및 diffusion 기반 모델들을 능가하는 성능을 달성하였습니다.
