확산 모델(Diffusion models)은 확률적 초해상도(Super-resolution) 및 조건부 생성(Conditional generation)을 가능하게 하지만, 픽셀 공간(Pixel-space) 방식은 계산 비용이 많이 들며 학습된 잠재 공간(Latent spaces)은 해석 가능한 불확실성 정량화(Uncertainty quantification)가 부족한 경우가 많습니다. 본 논문에서는 비선형 오토인코더(Nonlinear autoencoder)에 의해 학습되는 대신, 국소 패치(Local patches)에 대한 고정된 선형 직교 기저(Linear orthonormal basis)인 패치 기반 적정 직교 분해(Patchwise Proper Orthogonal Decomposition, POD)에 의해 잠재 공간이 정의되는 구조적 잠재 확산(Structured latent diffusion) 프레임워크인 Patch-PODiff-ViT를 소개합니다. 이를 통해 공간 구조를 보존하면서 분산 순서로 정렬된 저차원 토큰(Low-dimensional, variance-ordered tokens)을 생성하며, Vision Transformer를 사용하여 구조화된 저차원 잠재 공간에서 효율적인 확산을 가능하게 합니다. 디코더(Decoder)가 고정되어 있고 선형이며 직교하기 때문에, 잠재 계수(Latent coefficient)의 불확실성을 물리 공간(Physical-space)의 예측 분산(Predictive variance)으로 직접 전파할 수 있으며, 픽셀 공간에서의 몬테카를로 추정(Monte Carlo estimation) 없이 선형 디코더를 통해 예측 분산을 분석적으로 전파할 수 있습니다. 해수면 온도, 의료 영상 및 자연 이미지를 대상으로 한 실험에서, 이 방법은 더 적은 파라미터와 낮은 메모리로 강력한 재구성 성능을 달성하는 동시에, 경험적 앙상블(Empirical ensembles)과 밀접하게 일치하는 잘 보정된 공간 불확실성(Spatial uncertainty)을 생성합니다.