잡음이 있는 선형 측정 $y = Ax + \xi$와 사전 분포 $p(x)$의 근사값을 바탕으로, 사후 분포 $p(x \mid y)$에서 샘플링할 수 있는 경우를 연구한다. 사후 샘플링은 inpainting, deblurring, MRI reconstruction과 같은 작업에 정확하고 공정한 프레임워크를 제공하지만, 계산 복잡성으로 인해 근사적인 방법이 필요하다. 본 논문에서는 (local or global) log-concave 분포 $p(x)$에 집중하여, Langevin dynamics와 diffusion models을 결합한 알고리즘을 제안한다. 제안된 알고리즘은 score error에 대한 $L^4$ bound만으로도 조건부 샘플링을 다항 시간 내에 수행할 수 있음을 증명한다.
