盲目的普遍画像ノイズ除去は、任意のノイズレベルの画像を単一のモデルで除去することを指します。特に、モデル開発時やテスト時にノイズレベルを知る必要がないため、実用的です。本研究では、理論的に裏付けられた盲目かつ普遍的な深層学習による画像ノイズ除去アルゴリズムを提案します。このアルゴリズムは加法的なガウスノイズ除去に焦点を当てています。我々のネットワークは最適なノイズ除去ソリューションに基づいており、これを融合ノイズ除去と呼びます。これはガウシアン画像事前分布の仮定のもとで理論的に導き出されました。合成実験では、我々のネットワークが未見の加法的ノイズレベルに対して高い汎化能力を持つことが示されています。また、実際の画像に対する画像ノイズ除去のために、融合ノイズ除去ネットワークアーキテクチャを適応させました。我々の手法は、訓練時のノイズレベルだけでなく、訓練中に見られなかったノイズレベルでも現実世界のグレースケール画像の加法的ノイズ除去PSNR結果を改善します。さらに、全ての単一のノイーズレベルにおいて平均0.1dB（デシベル）向上し、既存の最先端カラー画像ノイズ除去性能を超える結果を得ています。