본 논문은 역문제 해결을 위한 확산 모델의 성능 향상에 초점을 맞추고 있습니다. 기존 확산 모델 기반 역문제 해결 방법들은 측정 가능도가 다루기 어려워 근사치를 사용하며, 이로 인해 데이터 다양체 상의 생성 과정이 제대로 유지되지 않고 인공물이 발생하는 문제점을 가지고 있습니다. 이를 해결하기 위해, 본 논문에서는 확산 과정의 중간 상태를 저차원 근사한 부분 공간에 측정 그래디언트를 투영하는 Diffusion State-Guided Projected Gradient (DiffStateGrad) 방법을 제안합니다. DiffStateGrad는 다양한 확산 모델 기반 역문제 해결기에 적용 가능한 모듈로, 확산 과정을 데이터 다양체 상에 잘 유지하고 인공물을 유발하는 요소를 제거하여 성능과 강건성을 향상시킵니다. 특히 측정 가이드 단계 크기와 노이즈 선택에 대한 강건성을 높이고 최악의 성능을 개선하며, 선형 및 비선형 영상 복원 역문제에서 최첨단 성능을 달성함을 실험적으로 보여줍니다. 소스 코드는 깃허브에 공개되어 있습니다.
