Contrastive Diffusion Guidance for Spatial Inverse Problems

إليك ملخص تقني مفصل لورقة البحث بعنوان "التوجيه التبايني للانتشار للمشكلات العكسية المكانية" (CoGuide)، المنشورة في مؤتمر ICLR 2026.

1. تعريف المشكلة

تتناول الورقة فئة محددة من المشكلات العكسية المكانية حيث يكون الهدف هو إعادة بناء إشارة مجهولة $x$ (مخطط طابق ثنائي الأبعاد) من قياسات غير مباشرة ومشوشة $y$ (مسارات حركة البشر).

• المؤثر الأمامي ($A$): يتم نمذجة العلاقة كـ $y = A(x) + n$، حيث يمثل $A$ عملية تخطيط مسار الإنسان.
• التحدي الجوهري: على عكس المشكلات العكسية القياسية (مثل إزالة الضباب من الصور) حيث يكون المؤثر الأمامي خطيًا أو قابلًا للاشتقاق، فإن مؤثر تخطيط المسار هنا هو:
  1. غير قابل للاشتقاق: تعتمد الخوارزميات القياسية مثل A* على عمليات argmin منفصلة، مما يمنع التحسين القائم على التدرج (gradient-based optimization).
  2. غير سلس (Non-smooth): يمكن للاضطرابات الطفيفة في مخطط الطابق (مثل تحريك جدار قليلاً) أن تسبب تغييرات جذرية وغير مستمرة في المسار الناتج.
  3. محدد جزئيًا: السياسة الإدراكية الدقيقة للمشي البشري غير معروفة؛ المتوفر فقط هي تقريبات (مثل مخططات المسار الأقصر).
• فشل الطرق الحالية: يعتمد أخذ عينات الانتشار اللاحق (DPS) القياسي على تقريب درجة الاحتمالية (likelihood score) $\nabla_x \log p(y|x)$ باستخدام تدرج المؤثر الأمامي. ولأن $A(x)$ غير سلس وغير قابل للاشتقاق، فإن التوجيه المباشر القائم على التدرج يصبح غير مستقر، مما يؤدي إلى ضعف التقارب وظهور عيوب (artifacts).

2. المنهجية: CoGuide

يقترح المؤلفون إطار عمل CoGuide، الذي يتجاوز المؤثر الأمامي غير القابل للاشتقاق عبر تعلم فضاء تضمين سلس حيث يمكن تقريب درجة الاحتمالية عبر التعلم التبايني (contrastive learning).

أ. بناء فضاء التضمين

بدلاً من العمل في فضاء البكسل لمخططات الطوابق والمسارات، يقوم CoGuide بإسقاط كلا النمطين في فضاء تضمين كامن مشترك $\mathcal{E}$ باستخدام مشفرين:

• $f_\phi$: يشفر مخططات الطوابق $x \to [x]_\mathcal{E}$.
• $g_\psi$: يشفر المسارات $y \to [y]_\mathcal{E}$.

ب. البديل التبايني للاحتمالية

الابتكار الأساسي هو استبدال حد الاحتمالية المستعصي في توجيه الانتشار بـ درجة تشابه تباينية.

• هدف التدريب: يتم تدريب المشفرات باستخدام خسارة تباينية مُشرفة (من نوع InfoNCE). يهدف الهدف إلى تقريب الأزواج المتطابقة (مخطط الطابق، المسار) في فضاء التضمين، بينما يدفع الأزواج غير المتطابقة بعيدًا عن بعضها.
• التبرير النظري: يثبت المؤلفون أنه عند الحد الأمثل لخسارة InfoNCE، يكون الضرب الداخلي في فضاء التضمين متناسبًا مع نسبة لوغاريتم الاحتمالية:
  $$\frac{1}{\tau} \langle f_\phi(x), g_\psi(y) \rangle \approx \log p(y|x) - \log p(y) + C$$
  وبناءً على ذلك، فإن تدرج هذا الضرب الداخلي بالنسبة لـ $x$ يعمل كبديل سلس وصالح لدرجة الاحتمالية الحقيقية $\nabla_x \log p(y|x)$.

ج. آلية التوجيه

خلال عملية الانتشار العكسي، يتم حساب حد التوجيه كتدرج للمسافة المربعة بين مخطط الطابق المضمن والمسار المضمن:
$$\text{Guidance} = -\frac{1}{2\tau} \nabla_{x_t} \| f_\phi(\hat{x}_0) - g_\psi(y) \|_2^2$$
يُضاف هذا الحد إلى درجة "الأولوية" (prior score) من نموذج الانتشار لتوجيه عملية إزالة الضجيج نحو مخططات الطوابق المتوافقة مع المسار المرصود.

د. تحسينات التحسين (Optimization)

لزيادة استقرار عملية الاستدلال، قدم CoGuide تقنيتين محددتين:

1. عقوبة التقاطع (Intersection Penalty): يضيف حدًا إضافيًا يعاقب التداخل بين جدران مخطط الطابق المُولد والمسار المرصود، مما يضمن الاتساق الفيزيائي.
2. Adam-based DDIM: نظرًا لأن تدرجات التضمين قد تكون معقدة، استبدل المؤلفون خوارزمية التدرج المنحدر (GD) أو SGD القياسية داخل خطوات أخذ عينات DDIM بمحسن Adam. كما استخدموا جدول تبريد جيب التمام (cosine annealing schedule) لمعدل التعلم، و"بوابة صلبة" (hard gate) لإيقاف التوجيه في الخطوات النهائية، مما يسمح لـ "الأولوية" (prior) بتنقية العينة.

3. المساهمات الرئيسية

1. صياغة مبتكرة: تحديد وصياغة رسمية للمشكلات العكسية التي تتضمن مؤثرات أمامية غير قابلة للاشتقاق وغير سلسة (تحديدًا تخطيط المسار).
2. التوجيه التبايني: طريقة جديدة لتقريب درجات الاحتمالية لنماذج الانتشار عبر تعلم فضاء تضمين سلس عبر أهداف تباينية، مما يتجنب فعليًا الحاجة إلى حساب التدرج للمؤثر الأمامي.
3. استدلال قوي: دمج تحسين Adam وعقوبات التقاطع للتعامل مع عدم الاستقرار المتأصل في المشكلات العكسية المكانية.
4. التعميم: إثبات أن الطريقة تمتد لما وراء التخطيط المكاني إلى المشكلات العكسية العمياء، وتحديدًا ترميم الصوت الأعمى، حيث يكون مؤثر التدهور غير معروف تمامًا.

4. النتائج التجريبية

تم تقييم النموذج على مجموعة بيانات HouseExpo (أكثر من 35 ألف مخطط طابق) باستخدام ثلاثة أنظمة كثافة للمسارات (متفرقة، متوسطة، كثيفة).

• الأداء الكمي:
  • تفوق CoGuide على 6 نماذج أساسية، بما في ذلك متغيرات DPS ذات المخططات القابلة للاشتقاق (Neural A*, TransPath, DiPPeR)، وحلول Plug-and-Play (DiffPIR, DMPlug)، والتوجيه الخالي من التصنيف (CFG).
  • المقاييس: حقق CoGuide أعلى درجات F1 و IoU، خاصة في أنظمة المسارات المتفرقة والمتوسطة (على سبيل المثال، F1: 0.91 مقابل 0.86 لـ CFG في النظام المتفرق).
  • CFG+CoGuide: أدى الجمع بين CoGuide و "الأولوية" المدربة بـ CFG إلى أفضل النتائج الإجمالية (F1: 0.93–0.99).
• النتائج النوعية:
  • غالبًا ما أنتجت النماذج الأساسية مخططات طوابق بها عيوب أو مسارات تمر عبر الجدران بسبب التدرجات غير المستقرة.
  • أنتج CoGuide مخططات طوابق متسقة هيكليًا مع المسار، مع عيوب بصرية أقل.
• التحقق من العالم الحقيقي:
  • تم اختباره على بيانات مستشعرات UWB (النطاق فائق العرض) الحقيقية من شقق طلابية. نجح CoGuide في إعادة بناء هياكل الجدران التي فاتها أو أخطأت في محاذاتها نماذج CFG، مما أظهر المتانة تجاه تغير التوزيع بين البيانات الاصطناعية والحقيقية.
• ترميم الصوت الأعمى:
  • طُبق على ترميم تسجيلات بيانو تاريخية ذات تدهور غير معروف. تفوق CoGuide على نموذج LTAS في مسافة فريدشيه الصوتية (FAD)، مما يثبت قابلية تطبيق الطريقة على المشكلات العكسية العمياء غير المكانية.

5. الأهمية والأثر

• حل المؤثرات "العمياء": توفر الورقة مسارًا لحل المشكلات العكسية حيث يكون المؤثر الأمامي غير معروف، أو غير قابل للاشتقاق، أو معقدًا جدًا لنمذجته تحليليًا. من خلال تعلم التوافق بين المدخل والمخرج في فضاء تضمين، فإنها تلغي الاعتماد على حساب التدرج الصريح للعملية الأمامية.
• الخرائط التي تحافظ على الخصوصية: يوفر تطبيق إعادة بناء مخططات الطوابق من المسارات بديلًا يحافظ على الخصوصية للخرائط القائمة على الرؤية (التي تتطلب كاميرات)، وذلك باستخدام بيانات الحركة فقط من مستشعرات الهاتف المحمول القياسية.
• القابلية الواسعة للتطبيق: يشير إطار العمل إلى مسار عام لحل المشكلات العكسية العمياء العامة في مجالات تتراوح من التخطيط الحضري (من GPS إلى خرائط المدن) إلى تخليق البنية الجزيئية، بشرط القدرة على توليد أزواج متوافقة من $(x, y)$ لتدريب المشفرات التباينية.