Mirror Diffusion Models (MDM)是一种新的扩散模型，可以在凸约束集上生成数据而不失可解性。通过在镜像映射构造的对偶空间中学习扩散过程，MDM在应用于流行的约束集（如simplexes和∥2-balls）时显示出显着的性能提升。此外，作者探讨了使用约束集作为机制将隐藏但定量信息（即水印）嵌入生成的数据以实现安全和隐私保护的可能性。该工作为在复杂领域中学习可解扩散提供了新的算法机会。