연구진은 노이즈 측정값과 깨끗한 목표 신호만으로 학습하는 어려운 비정형 이미지 역문제 해결을 연구했어요. 불균형 최적 수송(UOT)을 기반으로 UOTIP라는 새로운 역문제 해결 방안을 제안했어요. UOTIP는 노이즈 측정 분포에서 깨끗한 신호 분포로 UOT 맵을 학습하는 방식으로 재구성 문제를 해결하며, 가능도 기반 비용 함수를 포함해요.
정확한 주변 조건 완화로 UOT 프레임워크는 다단계 노이즈, 데이터 불균형, 다양한 노이즈 유형 시나리오에 대한 적응성을 제공해요. 또한, 이차 비용 항을 포함하면 비정형 역문제에서도 트위스트 조건을 만족하여 수송 맵의 존재성과 유일성을 보장한다는 것을 이론적으로 입증했어요.
실험 결과, UOTIP는 선형 및 비선형 역문제 모두에서 비정형 이미지 역문제 벤치마크에서 최고 성능을 달성했어요.