ملخص تقني: ما وراء الدقة: تقييم أمانة التوزيع البعدي لمحللات الانتشار العكسية

بيان المشكلة

تعتبر المسائل العكسية في المجالات العلمية والهندسية (مثل التصوير الطبي، والجيوفيزياء، وعلم الفلك) مسائل غير محددة بطبيعتها (ill-posed)، مما يؤدي غالباً إلى إنتاج حلول متعددة معقولة فيزيائياً نتيجة لضجيج القياس والبيانات غير المكتملة. وبينما برزت محللات الانتشار العكسية (Diffusion Inverse Solvers - DIS) كنموذج قوي لحل هذه المسائل من خلال الاستفادة من النماذج الانتشارية المسبقة المدربة، تعاني معايير التقييم الحالية من قصور حرج: فهي تركز بشكل شبه حصري على دقة إعادة البناء (مثل PSNR وSSIM).

يخلق هذا التركيز ما يسمى بـ "فخ الدقة" (Accuracy Trap)، حيث تُحكم الطرق بناءً فقط على جودة إعادة البناء النقطية. ومع ذلك، فإن طرق الـ DIS العشوائية مصممة لأخذ عينات من توزيع بعدي $p(x|y)$ لتقدير عدم اليقين. قد تنجح إحدى الطرق في تحقيق دقة عالية عبر إنتاج مخرج واحد يشبه المخرج الحتمي الذي يكون قريباً من الحقيقة الأرضية، ومع ذلك تفشل في التقاط السلوك التوزيعي الحقيقي (مثل فقدان الأنماط/modes، أو انهيار التباين، أو توليد عينات خارج التوزيع البعدي). كما أن مقاييس الأمانة التوزيعية الموجودة، مثل مسافة وايسرشتاين (Wasserstein distance) أو FID، تتطلب الوصول إلى عينات أو كثافات الحقيقة الأرضية، وهو أمر غير متاح في التطبيقات العلمية الواقعية. وبناءً على ذلك، هناك نقص في المقاييس القوية التي لا تتطلب معرفة بالحقيقة الأرضية لتقييم ما إذا كانت طرق الـ DIS تستعيد بالفعل التوزيع البعدي المستهدف.

المنهجية

1. دراسة منهجية لأمانة التوزيع البعدي

أجرى المؤلفون دراسة مضبوطة باستخدام مسائل عكسية اصطناعية ذات توزيعات بعدية تحليلية معروفة. ومن خلال تصور عينات التوزيع البعدي ومقارنتها بالتوزيعات الحقيقية الأرضية، أظهروا أن طرق الـ DIS المختلفة تظهر سلوكيات متمايزة نوعياً (مثل انهيار النمط/mode collapse، أو ضعف تغطية الأنماط الضعيفة) حتى عندما تكون دقة إعادة البناء لديها متقاربة. وهذا يثبت ضرورة تقييم السلوك التوزيعي بما يتجاوز الدقة.

2. تباين كيرنل شتاين القائم على الدرجة (Score-KSD)

لمعالجة نقص عينات الحقيقة الأرضية في الإعدادات الواقعية، يقترح البحث مقياس Score-KSD، وهو مقياس مؤصل نظرياً لتقييم الاتساق البعدي دون الحاجة للوصول إلى كثافة أو عينات الحقيقة الأرضية.

• تقريب درجة التوزيع البعدي (Posterior Score Approximation): تعتمد الطريقة على تفكيك درجة التوزيع البعدي $\nabla_x \log p(x|y)$ عبر قاعدة بايز:
  $$\nabla_x \log p(x|y) = \nabla_x \log p(y|x) + \nabla_x \log p(x)$$

  • درجة الاحتمالية (Likelihood Score): بالنسبة للضجيج الغاوسي، يمكن حساب درجة الاحتمالية $\nabla_x \log p(y|x)$ تحليلياً باستخدام العامل الأمامي $A$ والقياس $y$.
  • الدرجة المسبقة (Prior Score): يتم تقريب الدرجة المسبقة $\nabla_x \log p(x)$ باستخدام نموذج انتشار مدرب مسبقاً. ومن خلال تشويش صورة نظيفة $x$ بضجيج صغير واستعلام شبكة درجة الانتشار $s_\theta$، يقرب المؤلفون الدرجة المسبقة.
  • الدرجة المركبة (Combined Score): ناتج جمع درجة الاحتمالية والدرجة المسبقة المقربة يعطي مجال درجة التوزيع البعدي المقدر $\hat{s}_p(x; y)$.

• تباين كيرنل شتاين (Kernel Stein Discrepancy - KSD): باستخدام مجال الدرجة المقدر، يطبق المؤلفون KSD لقياس التباين بين توزيع العينات المولدة بواسطة طريقة DIS ($\hat{q}_N$) والتوزيع البعدي المستهدف $p(x|y)$. يقيس KSD أقصى انتهاك لهوية شتاين $\mathbb{E}[T_p f(X)] = 0$ عبر فضاء هيلبرت من النواة المعاد إنتاجها (RKHS).

  • يقبل مربع KSD مُقدِّراً تجريبياً مغلق الصيغة يعتمد على العينات المولدة ودالة النواة (kernel function).
  • تم اقتراح نسخة طبيعية (normalized)، وهي score-KSD، لمراعاة أبعاد البيانات، مما يسمح بالمقارنة داخل المهمة الواحدة. تشير قيمة score-KSD المنخفضة إلى اتساق أعلى مع مجال درجة التوزيع البعدي المستهدف.

المساهمات الرئيسية

1. تحديد "فخ الدقة": يوضح البحث بشكل منهجي أن دقة إعادة البناء العالية لا تضمن بالضرورة أمانة توزيعية عالية. يمكن لطرق DIS مختلفة أن تنتج درجات PSNR متشابهة بينما تظهر سلوكيات عدم يقين متباينة تماماً (مثل الانهيار الحتمي مقابل أخذ العينات المنتشر جيداً).
2. اقتراح Score-KSD: قدم المؤلفون مقياساً لا يتطلب معرفة بالحقيقة الأرضية لتقييم الاتساق البعدي. وخلافاً للمقاييس التوزيعية السابقة، يتطلب Score-KSD فقط النموذج الأمامي، ومستوى الضجيج، ونموذج انتشار مسبق، مما يجعله قابلاً للتطبيق في المسائل العكسية الواقعية حيث يكون التوزيع البعدي الحقيقي مجهولاً.
3. التقييم الشامل: تحقق البحث من صحة Score-KSD من خلال:
   • المحاكاة الضابطة: مقارنة ترتيبات Score-KSD مع الأمانة البصرية للتوزيع البعدي ومع الدرجات التحليلية للحقيقة الأرضية.
   • المهام الواقعية: تطبيق المقياس على تشتت الموجات الخطية، وإعادة بناء صور MRI ناقصة العينات، وإعادة بناء صور CT ذات الرؤية المتفرقة (سواء داخل التوزيع أو خارجه).

النتائج

• دراسات المحاكاة: في الإعدادات الاصطناعية ذات التوزيعات البعدية المعروفة، نجح Score-KSD في التمييز بين الطرق التي تستعيد الهندسة الكاملة للتوزيع البعدي (بما في ذلك الأنماط الضعيفة) وتلك التي تعاني من انهيار النمط. الطرق ذات الدقة العالية ولكن ذات التغطية التوزيعية الضعيفة (مثل RED-Diff و FPS في إعدادات التشغيل الواحد) أظهرت قيم Score-KSD أعلى بكثير من الطرق ذات الاتساق البعدي الأفضل (مثل MCG-Diff و DiffPIR).
• التجارب الواقعية:
  • يميز Score-KSD بفعالية بين طرق DIS والنماذج المرجعية البديهية (النماذج المسبقة غير المشروطة، والضجيج الصرف).
  • يكشف المقياس أن الطرق ذات درجات PSNR المتشابهة غالباً ما تمتلك قيم Score-KSD متباعدة، مما يؤكد أن الدقة وحدها غير كافية لتقييم الحلول العشوائية.
  • في إعدادات خارج التوزيع (OOD) (مثل إعادة بناء صور CT للرئة باستخدام نموذج مسبق مدرب على LIDC-IDRI)، ارتفعت قيم Score-KSD، مما يشير بشكل صحيح إلى تدهور الاتساق البعدي بسبب عدم تطابق النموذج المسبق.
  • أظهر المقياس استقراراً عبر مختلف الصور الاختبارية ضمن المهمة نفسها، مما يدعم استخدامه كأداة تشخيصية قوية.

الأهمية والادعاءات

يجادل البحث بأن التقدير القوي لعدم اليقين هو شرط أساسي لنشر طرق DIS في التطبيقات العلمية الحساسة للمخاطر. تكمن الأهمية الأساسية لهذا العمل في تحويل نموذج التقييم من الدقة النقطية إلى الأمانة التوزيعية.

يدعي المؤلفون أن Score-KSD يوفر تشخيصاً ذا معنى ومؤصلاً نظرياً:

1. يكشف السلوكيات الخفية: فهو يكشف عن الإخفاقات التوزيعية (مثل انهيار النمط) التي تغفل عنها مقاييس الدقة.
2. يتيح التقييم دون الحاجة للحقيقة الأرضية: فهو يسمح بتقييم الاتساق البعدي في السيناريوهات الواقعية حيث لا تتوفر توزيعات تحليلية بعدية.
3. يسلط الضوء على "فخ الدقة": فهو يثبت أن التحسين من أجل PSNR لا يؤدي بالضرورة إلى تقدير أفضل لعدم اليقين، مما يحث المجتمع العلمي على اعتماد معايير تقييم تراعي التوزيع.

يشير المؤلفون بتواضع إلى أن Score-KSD هو أداة تشخيصية داخل المهمة الواحدة (أي أن القيم ليست قابلة للمقارنة مباشرة عبر مسائل عكسية مختلفة بسبب اختلاف حدة التوزيع البعدي والأبعاد)، وأن دقته تعتمد على التقدير الصحيح لمستوى الضجيج $\sigma_y$. وقد حددوا حساسية تقدير الضجيج هذا كاتجاه للعمل المستقبلي.