🤖 machine learning

Beyond MMSE: Enhancing PnP Restoration with ProxiMAP

تقدم هذه الورقة ProxiMAP، وهو إطار عمل معياري جاهز للتشغيل (Plug-and-Play) يقرب عملية استعادة الحد الأقصى للاحتمال اللاحق (MAP) من خلال محاذاة الضجيج المتبقي مع توزيع تدريب وحدة إزالة الضجيج لضمان الموثوقية ضمن التوزيع وضمان التوقف المبكر الضمني، مما يتجنب الآثار الشبيهة بالرسوم الكرتونية لطرق استهداف MAP التقليدية مع تعزيز جودة إعادة بناء الصور باستمرار عبر مختلف المسائل العكسية.

المؤلفون الأصليون: Kenta Vert, Giacomo Meanti, Scott Pesme, Michael Arbel, Julien Mairal

نُشر 2026-05-19

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Kenta Vert, Giacomo Meanti, Scott Pesme, Michael Arbel, Julien Mairal

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول ترميم صورة ضبابية ومليئة بالضجيج. لديك مساعد ذكاء اصطناعي ذكي جدًا ("مزيل الضجيج")، ومهمته هي تخمين كيف كان شكل الصورة الأصلية والنقية.

لسنوات، كانت الطريقة القياسية لاستخدام هذا المساعد هي سؤاله: "ما هو متوسط كل الصور النقية الممكنة التي يمكن أن تشبه هذه الفوضى الضبابية؟"

يجادل البحث بأن نهج "المتوسط" هذا يعاني من عيب كبير: فهو يميل إلى تنعيم الصورة أكثر من اللازم. إنه يفقد التفاصيل الدقيقة، مثل ملمس الشعر أو الحافة الحادة لمبنى، مما يجعل كل شيء يبدو كأنه لعبة بلاستيكية ناعمة.

حاول الباحثون نهجًا مختلفًا، فبدلاً من طلب "المتوسط"، طلبوا من الذكاء الاصطناعي: "ما هي الصورة المحددة الأكثر احتمالاً التي يمكن أن تشبه هذه؟" (وهذا ما يسمى بالـ "MAP").

ومع ذلك، اكتشفوا فخًا. فعندما دفعوا الذكاء الاصطناعي للبحث عن هذه الصورة "الأكثر احتمالاً"، بدأ الذكاء الاصطناعي في الهلوسة. ولأن الذكاء الاصطناعي قد تدرّب على ملايين الصور، فقد علق في حلقة غريبة حيث أنتج صورًا تبدو مثل الرسوم المتحركة (الكرتون) — ألوان مسطحة، خطوط مبالغ فيها، وأنسجة مزيفة. كان الذكاء الاصطناعي يجد تقنيًا الإجابة "الأكثر احتمالاً" وفقًا لمنطقه الداخلي، لكن هذا المنطق كان معيبًا قليلاً لهذه المهمة المحددة.

الحل: "ProxiMAP" (استراتيجية المنطقة الوسطى المثالية)

أدرك المؤلفون أن المشكلة لم تكن في الهدف (إيجاد أفضل صورة)، بل في التوقيت. فالذكاء الاصطناعي يكون موثوقًا فقط عندما يتطابق مستوى الضجيج في الصورة مع مستوى الضجيج الذي تدرّب عليه. إذا طلبت منه العمل على صورة نظيفة جدًا أو مشوشة جدًا مقارً ببيئة تدريبه، فإنه يبدأ في التخمين العشوائي ويخلق تلك الآثار الكرتونية.

لقًد ابتكروا طريقة جديدة تسمى ProxiMAP. فكر في الأمر كأنه جولة سياحية مُرشدة للذكاء الاصطناعي:

الموفّق (The Matchmaker): بدلاً من ترك الذكاء الاصطناعي يتجول بحرية، يقوم ProxiMAP بالتحكم بعناية في "مستوى الضجيج" في كل خطوة من خطوات عملية الترميم. إنه يضمن أن الصورة التي ينظر إليها الذكاء الاصطناعي تحتوي دائمًا على نفس مقدار "الحبيبات" أو "الضبابية" التي يبرع الخبير في التعامل معها.
المتوقف المبكر (The Early Stopper): الحيلة الأهم هي معرفة متى تتوقف. في الماضي، كان الناس يتركون الذكاء الاصطناعي يعمل حتى يعتقد أنه "انتهى". أما ProxiMAP فيوقف العملية قبل أن يبدأ الذكاء الاصطناعي في الارتباك وصنع رسوم كرتونية. إنه يتوقف بينما لا يزال الذكاء الاصطناعي في "منطقة الراحة" الخاصة به، حيث يكون أكثر موثوقية.

"الطريق المختصر الهجين" (Fast ProxiMAP)

إن تشغيل هذا الدليل الدقيق، خطوة بخطوة، لعملية الترميم بأكملها أمر مكلف حاسوبيًا (يتطلب الكثير من قوة الكمبيوتر).

أدرك المؤلفون أن الذكاء الاصطنانا يحتاج فقط إلى هذا التوجيه الدقيق في النهاية، عندما تصبح الصورة شبه نظيفة ويتم صقل التفاصيل. في البداية، عندما تكون الصورة لا تزال ضبابية جدًا، يكون التخمين العام والخشن كافيًا.

لذا، أنشأوا نسخة هجينة (Hybrid):

البداية: استخدم الطريقة القياسية والسريعة، وهي طريقة "المتوسط"، للحصول على الشكل العام للصورة.
النهاية: انتقل إلى طريقة ProxiMAP الدقيقة للخطوات القليلة الأخيرة لتوضيح التفاصيل وإزالة آخر جزء من الضبابية دون تحويل الصورة إلى رسم كرتوني.

النتائج

باستخدام هذه الطريقة، وجد الباحثون أن بإمكانهم:

توضيح الصور بشكل أفضل بكثير من طريقة "المتوسط" القديمة.
تجنب تأثير الرسوم المتحونية الذي عانت منه طريقة "الأكثر احتمالاً".
توفير الوقت والمال عبر استخدام الطريقة الدقيقة والمكلفة فقط للخطوات الأخيرة من العملية.

لقد اختبروا ذلك على مهام متنوعة مثل إزالة ضبابية الحركة، وملء الأجزاء المفقودة من الصورة (inpainting)، وتحويل الصور منخفضة الدقة إلى عالية الدقة. وفي جميع الحالات، أنتجت الطريقة الجديدة صورًا أكثر حدة وواقعية من الأدوات الأفضل السابقة.

باخت اختصار: لقد أصلحوا أداة معطلة من خلال تعليمها بالضبط متى تعمل ومتى تتوقف، مما يضمن بقاءها في "منطقة خبرتها" لإنتاج صور واقعية وحادة دون آثار جانبية غريبة تشبه الرسوم المتحركة.

ملخص تقني: ما وراء MMSE: تعزيز استعادة الصور بنظام PnP باستخدام ProxiMAP

بيان المشكلة

أصبحت طرق "الاستبدال والتشغيل" (Plug-and-Play - PnP) معيارًا لحل المشكلات العكسية في التصوير (مثل إزالة الضباب، وإكمال الأجزاء المفقودة) عن طريق استبدال مُنقي الحد الأقصى للاحتمال اللاحق (MAP) غير القابل للحل بـ مُنقي الحد الأدنى لمتوسط مربعات الخطأ (MMSE) المتعلم في خوارزميات التقسيم التقاربي. ورغم فعاليتها، إلا أن هذا الاستبدال يؤدي إلى عدم تطابق جوهني: حيث يقرب مُقدر MMSE متوسط الاحتمال اللاحق، مما يؤدي غالبًا إلى إعادة بناء مفرطة في التنعيم بسبب ظاهرة "الارتداد نحو المتوسط"، بينما تتطلب الصيغة التباينية لـ PnP نظريًا مُقدر MAP.

وقد ثبت أن المحاولات الأخيرة لسد هذه الفجوة عبر استهداف MAP مباشرة باستخدام "الدرجات" (scores) من نماذج الانتشار (diffusion models) كانت إشكالية في الممارسة العملية. يوضح البحث أنه عند استخدام الدرجات المتعلمة، فإن تكرارات استهداف MAP لا تتقارب نحو صور واقعية؛ بل تنحرف نحو مناطق الكثافة العالية في التوزيع المتعلم التي لا تتوافق مع توزيع البيانات الحقيقي، مما ينتج عنه عيوب تشبه "الرسوم الكرتونية" (ألوان مسطحة، حواف مبالغ فيها). ويفترض البحث أن هذا الفشل ليس متأصلًا في عملية تقدير MAP نفسها، بل هو نتيجة لأخطاء تقريب الدرجة (score approximation errors) في النماذج المتعلمة.

المنهجية: ProxiMAP

يقدم المؤلفون ProxiMAP، وهو خوارزمية تقريب MAP تكرارية مصممة للعمل ضمن نطاق الموثوقية للمنقيات المتعلمة. المبدأ التصميمي الأساسي هو مطابقة الضجيج (noise matching): في كل تكرار $k$ ، يجب أن يتطابق مستوى الضجيج المتبقي لـ $x_k$ مع مستوى الضجيج $\sigma_k$ الذي تم تدريب واستعلام المنقي عنده.

الآليات الرئيسية

جدول الضجيج وتتبع المتبقي: على عكس التدرج الاشتقاقي القياسي على الهدف التقاربي حيث يكون جدول الضجيج منفصلاً عن حالة المتغير $x_k$ ، يقوم ProxiMAP بتتبع الضجيج المتبقي $\sigma_k$ للمتغير $x_k$ بشكل صريح. تفرض الخوارزمية قيدًا مفاده أن المنقي يتم استدعاؤه دائمًا بمدخل تتوافق إحصائيات ضجيجه مع توزيع تدريبه.
الإيقاف المبكر الضمني: من خلال الحفاظ على هذا التطابق، تمنع الخوارزمية المتغير من الانحراف إلى المناطق التي تكون فيها الدرجة المتعلمة غير موثوقة (نطاق الفشل). يعمل هذا كآلية إيقاف مبكر مبدئية؛ حيث تتباطأ عملية التكرار مع الاقتراب من "متشعب البيانات" (data manifold)، لتجنب الاستعلامات غير المتطابقة التي تسبب التأثير الكرتوني.
الصيغة الخوارزمية: يعدل ProxiMAP عملية تكرار التدرج المنعم (بناءً على Pesme et al., 2025) لضمان تساوي $\sigma_k$ (مستوى ضجيج المتغير) مع ضجيج التكييف الخاص بالمنقي. ويتم اشتقاق حجم الخطوة $\gamma_k$ وجدول الضجيج لاستيفاء هذا القيد، مما يضمن بقاء المنقي "داخل التوزيع" (in-distribution).
النسخة الهجينة (Fast ProxiMAP): إدراكًا منهم أن الاستبدال الكامل لـ MMSE بـ ProxiMAP في كل تكرار لـ PnP مكلف حاسوبيًا، اقترح المؤلفون نهجًا هجينًا. تستخدم هذه النسخة منقيات MMSE القياسية في التكرارات الأولى (حيث يكون المتغير بعيدًا عن المتشعب ويكون دقة الدرجة أقل أهمية)، ثم تنتقل إلى ProxiMAP فقط في التكرارات المتأخرة (حيث يكون المتغير قريبًا من المتشعب ويكون المنقي أكثر موثوقية). يحقق هذا نتائج مماثلة أو متفوقة بتكلفة حوسبية أقل بكثير.

المساهمات الرئيسية

تشخيص تقدير MAP مع الأولويات المتعلمة: من خلال مقارنات محكومة باستخدام نماذج الخليط الغاوسي (GMMs) ذات الدرجات الدقيقة مقابل نماذج الانتشار ذات الدرجات المتعلمة، يثبت البحث أن "التأثير الكرتوني" في استهداف MAP ينبع من التحيزات الضمنية لتدريب الانتشار التي تزحزح مناطق الك densité العالية، وليس من عملية تقدير MAP نفسها.
خوارزمية ProxiMAP: بديل معياري يمكن دمجه بسهولة مكان منقيات MMSE في أطر PnP القياسية. وهي مشتقة من مبدأ واحد (مطابقة الضجيج) يحافظ على بقاء المنقي داخل التوزيع ويوفر إيقافًا مبكرًا ضمنيًا.
تحسينات منهجية: تظهر الطريقة تحسنات مستمرة في الجودة الإدراكية (LPIPS) مع الحفاظ على تنافسية التشوه (PSNR) عبر خوارزميات PnP متعددة (DPIR, DiffPIR, DAPS)، ومهام متنوعة (إزالة الضباب، إكمال الأجزاء، رفع الدقة، واسترجاع الطور)، ومجموعات بيانات مختلفة (FFHQ, ImageNet).
كفاءة النسخة الهجينة (Fast ProxiMAP): تحقق نسخة Fast ProxiMAP (التي تنتقل إلى ProxiMAP فقط في التكرار الأخير من PnP) نتائج تضاهي أو تتجاوز أداء نسخة الاستبدال الكامل لـ ProxiMAP مع عدد أقل بكثير من التقييمات الوظيفية.

النتائج التجريبية

قيم المؤلفون ProxiMAP على مجموعات بيانات FFHQ وImageNet عبر مشكلات عكسية متنوعة.

إزالة الضجيج المستقلة: يتفوق ProxiMAP على MMSE الشرطي وعينات الانتشار الحتمية الأخرى (DDIM, Flow Matching, InDI) على منحنى المقايضة بين الإدراك والتشوه، محققًا قيم LPIPS أقل (صور أكثر حدة) مقابل PSNR مماثل.
تكامل PnP: عند دمجه في DPIR وDiffPIR وDAPS، تقوم متغيرات ProxiMAP باستمرار بنقل "جبهة باريتو" (Pareto front) نحو الزاوية المثلى (PSNR مرتفع، LPIPS منخفض).
كفاءة الهجين: تحقق نسخة Fast ProxiMAP (التي تنتقل إلى ProxiMAP فقط في التكرار الأخير من PnP) نتائج مماثلة لنسخة الاستبدال الكامل ولكن مع عدد أقل بكثير من التقييمات الوظيفية (NFEs). على سبيل المثال، في DiffPIR، تقلص عدد التقييمات الوظيفية من 160 إلى 27 مع الحفاظ على جودة إعادة البناء أو تحسينها.
حل وضع الفشل: في الحالات التي أدى فيها الاستبدال الكامل لـ ProxiMAP إلى عيوب عالية التردد (مثل رفع الدقة في FFHQ)، نجحت النسخة الهجينة في حل هذه المشكلات عبر الاعتماد على مُقدر MMSE القوي خلال التكرارات الأولى غير المستقرة.

الأهمية والادعاءات

يزعم البحث أن ProxiMAP يقدم حلاً عمليًا لعدم التطابق طويل الأمد بين منقيات MMSE المستخدمة في PnP ومقدرات MAP المطلوبة في الصيغة التباينية الأساسية. وبدلاً من محاولة فرض التقارب نحو MAP قد يكون غير محدد بدقة لتوزيع متعلم، يستفيد Proxi

MAP من موثوقية الدرجات المتعلمة عبر إبقاء مسار التحسين ضمن توزيع تدريب المنقي.

يؤكد المؤلفون أن مساهمتهم هي مكون معياري يعزز عائلات PMP الحالية دون الحاجة إلى إعادة تدريب نماذج الانتشار الأساسية أو تطوير حلول جديدة متخصصة للمشكلات العكسية. كما يشيرون إلى أنه بينما يحسن ProxiMAP الجودة الإدراكية، فإن عمليات إعادة البناء لا تزال ترث تحيزات نماذج الانتشار سابقة التدريب، وهو تنبيه مهم للغاية بالنسبة للتطبيقات الحرجة التي لا ينبغي أن يكون فيها الصواب البصري هو المحدد الوحيد للصحة. يشير العمل إلى أن إدارة العلاقة بين مستوى ضجيج المتغير ونظام تدريب المنقي هي أداة تصميم أكثر فعالية من السعي وراء تقارب MAP دقيق باستخدام درجات غير دقيقة.