사전 훈련된 확산 모델은 관측 정보를 생성 과정에 통합하여 제로샷 역 문제 해결에 강력한 성능을 보여주었습니다. 그러나 과도한 통합은 생성 과정을 방해하고, 불충분한 통합은 역 문제의 제약 조건을 강조하지 못하는 딜레마가 있습니다. 이를 해결하기 위해, 본 논문은 \emph{Noise Combination Sampling}을 제안합니다. 이는 노이즈 하위 공간에서 최적의 노이즈 벡터를 합성하여 측정 점수를 근사하고, 표준 Denoising Diffusion Probabilistic Models 과정에서 노이즈 항을 대체합니다. 이 방법은 단계별 하이퍼파라미터 조정 없이 조건 정보를 생성 과정에 자연스럽게 임베딩할 수 있게 해줍니다. 이 방법은 이미지 압축을 포함한 광범위한 역 문제 해결에 적용될 수 있으며, 특히 생성 단계 수 $T$가 작을 때, 무시할 수 있는 계산 오버헤드로 우수한 성능을 달성하여 견고성과 안정성을 크게 향상시킵니다.
