연구진이 Random Process (RP) Flow라는 새로운 프레임워크를 제안했어요. 이 프레임워크는 제한된 관측 데이터만으로도 고품질 샘플을 생성하고 불확실성을 추정하는 데 사용돼요.
Random Fourier Features를 활용해 암묵적 신호 표현을 학습하고, GP 회귀를 통해 베이지안 사후 분포를 구성해 샘플링 품질을 높였어요.
고주파, 고희소성, 고차원성 등 어려운 조건에서도 현실적인 샘플과 교정된 불확실성 추정치를 제공하는 것으로 나타났어요.