本文探讨了多种生成模型在图像处理中的应用，包括基于Schrödinger桥的生成建模、无配对数据图像翻译和变分薛定谔扩散模型。这些方法在生成速度、样本质量和可扩展性方面表现出色，尤其在医学图像恢复和超分辨率任务中。

本研究提出了一种基于多层感知器的全分辨率分层框架，用于医学图像恢复、配准和分割等任务。该框架利用组织级纹理信息实现长程依赖关系，并在多个数据集上展示出超越卷积神经网络和Transformer的最先进性能。