본 논문은 고해상도 이미지나 장시간 영상과 같이 고품질의 대량 데이터 확보가 어려운 확산 모델 학습의 문제점을 해결하기 위해, 저해상도 이미지, 단시간 영상, 워터마크나 자막이 포함된 영상 등 부분적이거나 손상된 데이터를 활용하는 방법을 제시합니다. 각각의 부분 데이터를 기존 데이터의 '뷰'로 간주하고, 각 뷰에 대해 개별적인 확산 모델을 학습한 후, 잔여 점수 함수(residual score function)를 예측하는 모델을 학습하는 접근 방식을 제안합니다. 이론적 분석을 통해 제안된 방법이 적절한 규제를 적용하면 일반화 오차를 줄일 수 있음을 증명하고, 잔여 점수 함수 학습의 어려움이 부분 데이터 뷰에서 포착되지 않은 신호 상관관계에 비례함을 보임으로써, 제안된 방법이 거의 최적의 데이터 효율성을 달성함을 보입니다.
