본 논문은 불완전한 환경 정보와 잡음이 포함된 희소 측정값으로부터 무선 채널 정보의 공간 분포를 나타내는 무선 지도(Radio Map, RM)를 생성하는 문제를 다룹니다. 기존 방법들이 정확한 환경 데이터와 기지국 위치 정보에 의존하는 것과 달리, 본 논문은 베이지안 역문제로 RM 생성 문제를 공식화하여 동적 환경이나 개인정보 보호가 중요한 환경에서도 적용 가능성을 높였습니다. 최대 사후 확률(MAP) 필터링의 최적성에도 불구하고 정확한 사전 분포를 필요로 하는 한계를 극복하기 위해, 본 논문은 사전 분포를 학습하는 비조건적 생성 확산 모델을 활용한 RadioDiff-Inverse 프레임워크를 제안합니다. 이는 무선 채널 특징의 공간 분포 재구성뿐만 아니라, 건물 윤곽 및 기지국 위치 등의 환경 구조 인식도 가능하게 하며, 사전 훈련된 이미지넷 모델을 활용하여 추가적인 훈련 없이도 우수한 성능을 보입니다. 실험 결과, RadioDiff-Inverse는 정확도와 잡음에 대한 강건성 측면에서 최첨단 성능을 달성함을 보여줍니다.
