본 논문은 비디오 인페인팅 확산 변환기 모델을 사용하여 편미분 방정식(PDEs)을 푸는 통합 프레임워크를 제시합니다. 기존의 방법들이 완전 또는 부분 관측 하에서 순방향 또는 역방향 문제에 대해 특수한 전략을 고안하는 것과 달리, 본 연구는 단일하고 유연한 생성 프레임워크 아래 이러한 작업들을 통합합니다. 구체적으로, 본 연구는 PDE 풀이를 일반화된 인페인팅 문제로 재구성합니다. 예를 들어, 순방향 예측을 초기 조건으로부터 미래 상태의 누락된 시공간 정보를 추론하는 것으로 취급합니다. 이를 위해, 알려진 데이터의 임의 패턴을 조건으로 하여 시간과 공간에 걸쳐 누락된 값을 추론하는 변환기 기반 아키텍처를 설계합니다. 본 연구의 방법은 미세한 고충실도 인페인팅 및 조건화를 위해 픽셀 공간 비디오 확산 모델을 제안하는 동시에 계층적 모델링을 통해 계산 효율성을 향상시킵니다. 광범위한 실험을 통해 본 연구의 비디오 인페인팅 기반 확산 모델이 다양한 PDE 및 문제 설정에서 정확하고 다용도의 솔루션을 제공하며 최첨단 기준 모델을 능가함을 보여줍니다.
