다음은 요청하신 내용을 기준으로 한국어로 번역한 결과입니다: Zero-Shot 이미지 복원을 위한 디노이징 디퓨전 널스페이스 모델

기존의 대부분의 이미지 복원(Image Restoration, IR) 모델은 특정 작업에 특화되어 있어 다양한 왜곡 연산자에 일반화하기 어렵다. 본 연구에서는 이미지 초해상도 증대, 색상화, 이미지 채우기(Inpainting), 압축 감지, 흐림 제거 등 다양한 선형 IR 문제에 대해 제로샷(zero-shot)으로 적용 가능한 새로운 프레임워크인 '노이즈 제거 확산 영역 모델(Denoising Diffusion Null-Space Model, DDNM)'을 제안한다. DDNM은 추가적인 학습이나 네트워크 구조 수정 없이, 사전에 학습된 오프더쉘프(off-the-shelf) 확산 모델을 생성 전제(generative prior)로만 활용한다. 역확산 과정에서 오직 영 영역(null-space)의 내용만을 정교화함으로써, 데이터 일관성(data consistency)과 현실감(realness)을 동시에 만족하는 다양한 복원 결과를 도출할 수 있다. 또한, 노이즈가 포함된 복원 및 어려운 작업에 대해 복원 품질을 향상시키기 위해 강화된 안정성 있는 버전인 DDNM+를 추가로 제안한다. 여러 IR 작업에 대한 실험 결과, DDNM은 다른 최첨단 제로샷 IR 방법들보다 우수한 성능을 보였다. 또한 DDNM+가 오래된 사진 복원과 같은 복잡한 실세계 응용 문제를 효과적으로 해결할 수 있음을 실험적으로 입증하였다.