本論文では、モダンな画像技術がベイズ統計モデルに依存していることを背景に、真のデータが利用できない状態でのモデル評価を中心に、モデル選択と誤特定の診断方法を提案します。既存の無監督モデル評価手法は高コストであり、機械学習モデルによって暗黙的に定義された現代的な画像事前分布との互換性に欠けるため、実用的ではありません。本研究はベイズ交差検証とデータフィッショニングという新たなランダム化計測分割手法を用い、ベイズイメージングにおける無監督モデル選択と誤特定検出の一般的な手法を提案します。この方法は拡散サンプリングやプラグアンドプレイサンプリングを含む任意のベイズイメージングサンプラーに適用可能であり、実験において多様なスコアリングルールやモデルの誤特定を利用して高精度の選択と検出を低コストで達成することを示しています。