Dans cet article, nous proposons une nouvelle méthode d'échantillonnage rétrospectif, DPS-CM, pour résoudre le problème inverse basé sur le modèle de diffusion. Nous soulignons que les méthodes existantes basées sur l'échantillonnage rétrospectif utilisent directement des mesures (images de faible qualité) pour l'échantillonnage rétrospectif afin de déduire la distribution des données cibles (images de haute qualité), ce qui peut entraîner des erreurs lors de l'échantillonnage de restauration en raison de l'introduction précoce d'informations haute fréquence dans ce processus. DPS-CM forme une estimation a posteriori en utilisant des « mesures élaborées » générées par le processus de débruitage rétrospectif plutôt que des mesures bruitées, atténuant ainsi l'inadéquation avec la distribution a priori de diffusion et améliorant les performances de restauration. Nous vérifions que notre méthode proposée surpasse les méthodes existantes par des expériences sur divers problèmes inverses (défloutage gaussien, super-résolution, remplissage d'image, défloutage non linéaire, débruitage de Poisson, etc.).
