Brownian Bridge Diffusion Models (BBDM)는 순수 노이즈가 아닌 깨끗한 신호에서 저하된 관측값(degraded observation)으로 직접적인 확률적 브리지(stochastic bridge)를 구축함으로써, 이미지 복원(image restoration) 및 역문제(inverse problems) 해결을 위한 매력적인 프레임워크를 제공합니다. 이러한 잠재력에도 불구하고, 브리지 스케줄(bridge schedule)의 선택은 일반적으로 휴리스틱(heuristics)에 의존해 왔으며, 스케줄 설계를 위한 원칙적인 분석 프레임워크는 부족한 실정이었습니다. 본 연구에서는 Mixture-of-Gaussians (MoG) 사전 확률(prior) 하에서의 BBDM 역동학(reverse dynamics)에 대한 새로운 분석을 제공함으로써 이러한 프레임워크를 개발합니다. 이 설정은 폐쇄형(closed-form)의 이상적인 사후 확률(posterior)과 그에 상응하는 MMSE 디노이저(denoiser)를 산출하며, BBDM에 의해 유도된 재구성 법칙(reconstruction law)은 다루기 쉬운 대리 모델(tractable surrogate)을 통해 분석적으로 포착됩니다. 이러한 식들을 바탕으로, 우리는 두 가지 상호 보완적인 스케줄 설계 목적 함수를 공식화합니다: 지각적 품질(perceptual quality)을 목표로 하는 Wasserstein 기준과 재구성 충실도(reconstruction fidelity)를 목표로 하는 MSE 기준입니다. 본 연구는 이 두 기준 사이의 내재적인 트레이드오프(tradeoff)를 밝혀내며, 저하(degradation) 및 사전 확률(prior)에 독립적인 두 가지 범용 스케줄의 존재를 증명합니다. 통제된 MoG 설정에서의 광범위한 실험은 이론과 실제 사이의 완전한 일치를 확인시켜 주며, 인페인팅(inpainting), 디블러링(deblurring), 초해상도(super-resolution) 작업에 걸친 FFHQ 데이터셋 실험은 우리의 스케줄 설계 기준의 실질적인 가치를 입증합니다.