本論文では、ベイズ的視点からスコアベースの拡散が逆問題を解決する方法を再考しています。従来の手法は、先行分布と尤度を結びつけてサンプリングプロセスを導くものですが、実際には先行が十分な指針を提供せず、再構築は測定の整合性に大きく依存しています。このため、拡散の役割を初期化ステージとして捉え、拡散とデータ駆動型の精緻化を完全に分離した期待値最大化（EM）スタイルのフレームワークに再解釈しました。新たに提案されたDAPS++は、尤度項がより直接的に推論を導くことを可能にし、数値的安定性を保ちながら、統一された拡散軌跡が実際に効果的である理由を明らかにします。DAPS++は少ない関数評価や測定最適化のステップで高い計算効率と頑健な再構築性能を実現し、多様な画像復元タスクでの適用が期待されます。