본 논문은 역문제 해결을 위한 새로운 잠재 확산 역솔버인 TReg(Regularization by Text)를 제시합니다. 기존 확산 모델 기반 역솔버는 측정의 모호성이나 시스템의 대칭성으로 인해 역문제의 병진성으로 어려움을 겪는데, TReg는 인간의 지각적 편향을 활용하여 시각적 모호성을 해결하는 능력에서 영감을 받았습니다. TReg는 역확산 샘플링 중에 해에 대한 선입견을 기술하는 텍스트를 통합하고, null-text 최적화를 통해 이러한 설명을 동적으로 강화하는 적응적 부정(adaptive negation)을 사용합니다. 실험 결과, TReg가 역문제의 모호성을 효과적으로 완화하여 정확도와 효율성을 향상시킨다는 것을 보여줍니다.
