본 논문은 역문제 해결에 있어 확산 모델을 사전 확률로 활용하는 새로운 접근법을 제시합니다. 기존의 MAP(Maximum-a-posteriori) 접근법이나 사후 확률 샘플링 방식은 계산상의 근사치에 의존하여 부정확하거나 최적이 아닌 샘플을 생성하는 한계를 가지고 있습니다. 이를 해결하기 위해, 본 논문은 쌍대 상승 최적화 프레임워크를 이용하여 확산 모델 사전 확률을 갖는 MAP 문제를 해결하는 새로운 방법을 제안합니다. 제안된 방법은 다양한 이미지 복원 문제에서 기존 최첨단 방법보다 더 나은 이미지 품질(다양한 지표 측정 기준), 높은 수준의 측정 노이즈에 대한 강건성, 빠른 속도, 관측값을 더 충실하게 나타내는 해를 제공합니다.
