본 논문은 확산 모델을 기반으로 역 문제 해결을 위한 새로운 후방 샘플링 방법인 DPS-CM을 제안합니다. 기존의 후방 샘플링 기반 방법들은 측정값(저화질 이미지)을 후방 샘플링에 직접 사용하여 목표 데이터(고화질 이미지)의 분포를 추론하는데, 이 과정에서 고주파 정보가 조기에 도입되어 복원 샘플링 중 오류가 발생할 수 있다는 점을 지적합니다. DPS-CM은 잡음이 포함된 측정값 대신 역 탈잡음 과정을 통해 생성된 '가공된 측정값'(Crafted Measurement)을 사용하여 후방 추정을 형성함으로써, 확산 사전 분포와의 불일치를 완화하고 복원 성능을 향상시킵니다. 다양한 역 문제(가우시안 탈블러링, 초해상도, 이미지 채우기, 비선형 탈블러링, 포아송 잡음 제거 등)에 대한 실험 결과를 통해 기존 방법보다 우수한 성능을 보임을 확인했습니다.
