该文章介绍了一种用于解决扩散模型反问题的框架，通过环境扩散后验采样（A-DPS）方法修复图像。实验结果表明，A-DPS在速度和性能上优于在干净数据上训练的模型。作者还扩展了该框架，用于训练MRI模型。研究结果显示，在高加速度区间内，训练在高度子采样数据上的模型更适用于解决反问题。

该文章介绍了一种名为A-DPS的框架，用于解决扩散模型反问题。A-DPS通过预训练生成模型，在不同测量条件下进行后验采样，从线性损坏的数据中学习。实验证明，A-DPS在图像修复任务上的速度和性能有时超过在干净数据上训练的模型。该框架还用于训练MRI模型，观察到在高加速度区间内，训练在高度子采样数据上的模型更适用于解决反问题。