본 논문은 기존의 Unified Diffusion Bridge (UniDB) 모델의 느린 추론 속도 문제를 해결하기 위해 UniDB++라는 새로운 샘플링 알고리즘을 제시합니다. UniDB는 Stochastic Optimal Control (SOC) 공식을 사용하여 고품질 이미지 생성을 달성하지만, 반복적인 Euler 샘플링 방법에 의존하여 계산 비용이 높다는 한계가 있습니다. UniDB++는 UniDB의 역시간 SDE에 대한 정확한 해석적 해를 도출하여 Euler 근사에서 발생하는 오류 축적을 줄이고, 기존 방법보다 최대 20배 적은 샘플링 단계로 고품질 이미지 생성을 가능하게 합니다. 또한, 기존의 노이즈 예측을 더 안정적인 데이터 예측 모델로 대체하고, SDE-Corrector 메커니즘을 통해 낮은 단계에서도 인식 품질을 유지합니다. 실험 결과, UniDB++는 이미지 복원 작업에서 최첨단 성능을 보이며, Euler 기반 방법보다 정확도와 속도면에서 우수함을 보여줍니다.