本文探讨了期望最大化算法和扩散模型的应用，包括图像去模糊、缺失数据填补和逆问题解决。提出的DiffPuter方法在多个数据集上表现优越，MAE和RMSE显著改善。LatentDEM框架在2D和3D逆渲染任务中展现高效性，并提出了环境扩散后验采样方法，用于从嘈杂数据中获取未污染样本，应用于图像修复和MRI模型训练。

本文介绍了一种基于物理信息的去噪自编码器 (PI-DAE) 在商业建筑中填补缺失数据的方法，通过引入物理知识实现更可解释的预测，有效解决建筑能源建模中的缺失数据问题。