在论文《A Bayesian Perspective on the Deep Image Prior》中，作者指出：由于网络每一层的通道数量接近无穷大，并导出相应的内核，所以在极限情况下，深度图像先验渐渐等同于一个固定的高斯过程先验。这为推理提供了一种贝叶斯方法。作者还指出，通过使用随机梯度Langevin来实施后验推理，他们消除了早停止（当前方法的缺陷）的必要，提高了去噪和修描的效果。作者在大量的1D和2D信号重建任务中阐明了这些直觉感知。