Stage-wise Distortion-Perception Traversal in Zero-shot Inverse Problems with Diffusion Models

ملخص تقني: التنقل عبر منحنى التشوه-الإدراك في المسائل العكسية صفرية التدريب باستخدام نماذج الانتشار

بيان المشكلة
تعد المسائل العكسية البايزية (Bayesian inverse problems)، التي تهدف إلى إعادة بناء الإشارات الأصلية من ملاحظات متدهورة، مقيدة بشكل أساسي بمقايضة التشوه-الإدراك (Distortion–Perception, D–P). يقيس أداء التشوه دقة إعادة البناء لكل عينة (مثل MSE أو PSNR)، بينما يعكس أداء الإدراك الجودة البصرية والتشابه التوزيعي مع البيانات الحقيقية. وقد أثبتت الأعمال النظرية أن هذه الأهداف متنافرة بطبيعتها: إذ إن تحسين أحدهما غالباً ما يستلزم تدهور الآخر. وبينما حققت نماذج الانتشار (Diffusion models) نتائج هي الأفضل حالياً (SOTA) في حل المسائل العكسية صفرية التدريب دون الحاجة لإعادة تدريب مخصص للمهمة، إلا أن الطرق الحالية تفتقر إلى استراتيجيات مبدئية وفعالة حاسوبياً للتنقل عبر منحنى (D–P). وتعتبر المنهجيات الحالية، مثل تعديل خطوات أخذ العينات أو متوسط العينات، غالباً منهجيات تجريبية (Heuristic) أو مكلفة حاسوبياً، كما أن آليات التحكم في هذه المقايضة في خوارزميات الانتشار صفرية التدريب لا تزال غير مشخصة بشكل كافٍ.

المنهجية
يقترح المؤلفون إطار عمل من مرحلتين، يسمى MAP-RPS (تقدير الحد الأقصى للارجحية - أخذ عينات اللاحقة بإعادة الضجيج)، لتمكين التنقل المرن في (D–P) باستخدام نموذج انتشار واحد مدرب مسبقاً. تم توسيع الطريقة لاحقاً لتشمل الفضاء الكامن تحت اسم LMAP-RPS للاستفرادة من نماذج الانتشار الكامنة واسعة النطاق.

1. المرحلة الأولى: التهيئة منخفضة التشوه (تقدير MAP)
   تقوم المرحلة الأولى بتقريب حل متوسط الخطأ التربيعي الأدنى (MMSE)، والذي يتوافق مع نقطة التشوه المثلى على منحنى (D–P). يحلل المؤلفون اللاحقات (Posteriors) القوية ذات التقعر اللوغاريتمي (Log-concave) ويثبتون أن مُقدّر MAP يعمل كبديل صالح لحل MMSE مع خطأ تقريبي محدود. كما يشتقون تدرجاً قابلاً للتطبيق للوغاريتم الأولوية (Log-prior) باستخدام دالة السكور (Score function) لنموذج الانتشار المدرب مسبقاً عند خطوة زمنية محددة $t_1$، مما يسمح بتقدير MAP بكفاءة عبر التحسين القائم على التدرج العشوائي. ينتج عن ذلك نقطة بداية منخفضة التشوه ($x_{MAP}$).

2. المرحلة الثانية: تحسين الجودة الإدراكية (أخذ عينات اللاحقة بإعادة الضجيج)
   تعمل المرحلة الثانية على التنقل عبر منحنى (D–P) من خلال تحسين الجودة الإدراكية تدريجياً. يتم إعادة ضجيج تقدير MAP حتى خطوة زمنية محددة $t_0$، ثم يتم إجراء أخذ عينات اللاحقة من هذه التهيئة المشوبة بالضجيج. نظرياً، يوضح المؤلفون أن مسافة وايسرشتاين-2 ($W_2$) (وهي مقياس لخطأ الإدراك) بين التوزيع المولد وتوزيع البيانات الحقيقي يتم التحكم فيها من خلال خطوة إعادة الضجيج الزمنية $t_0$. ومن خلال تغيير $t_0$، تتيح الطريقة استكمالاً مستمراً (Interpolation) بين حل MAP منخفض التشوه (حيث $t_0=0$) وأخذ عينات اللاحقة القياسي (حيث $t_0=T$).

المساهمات الرئيسية

• الإطار النظري: يقدم البحث تحليلات نظرية لكلتا المرحلتين. فقد أثبت وجود حد للخطأ لتقريب حل MMSE باستخدام مُقدّر MAP تحت افتراضات التقعر اللوغاريتمي القوي، واستنتج حداً أعلى لمسافة $W_2$ لمرحلة أخذ عينات اللاحقة بإعادة الضجيج، مما يثبت إمكانية التحكم في خطأ الإدراك عبر ضبط $t_0$.
• تصميم الخوارزمية: يوفر تقديم MAP-RPS ومتغيرها في الفضاء الكامن LMAP-RPS آلية فعالة حاسوبياً للتنقل في (D–P). وخلافاً للطرق التي تتطلب تكرار أخذ العينات أو ضبطاً معقداً للمعلمات الفائقة، تتطلب هذه الطريقة عملية تقدير MAP واحدة وعملية أخذ عينات لاحقة واحدة فقط.
• التوسيع للفضاء الكامن: من خلال توسيع الإطار ليشمل نماذج الانتشار الكامنة (LMAP-RPS)، يستفيد المؤلفون من النماذج الأساسية القوية (مثل Stable Diffusion) لتطبيقات أوسع في المهام عالية الدقة والواقعية.

النتائج التجريبية
أُجريت تجارب مكثفة على مجموعة بيانات FFHQ (لتحليل منحنى D–P) ومجموعة بيانات MS-COCO (للمسائل العكسية القريبة من الواقع).

• التنقل في (D–P): في مهام FFHQ (إزالة الضجيج، التراكب الفائق، ملء الفراغات، إزالة التغبيش)، حققت كل من MAP-RPS وLMAP-RPS باستمرار منحنيات أقرب إلى الزاوية السفلية اليسرى المثالية (التشوه والإدراك الأمثل) مقارنة بالطرق الموجودة مثل VSDPS وPSCGAN.
• الأداء في العالم الحقيقي: في مهام MS-COCO، حقق LMAP-RPS أداءً هو الأفضل حالياً (SOTA) عبر جميع المهام والمقاييس (PSnel, SSIM, LPIPS, FID) مقارنة بتسع من النماذج الأساسية الحديثة القائمة على الانتشار الكامن.
• الكفاءة: أظهر LMAP-RPS مزايا حاسوبية كبيرة. فعند $t_0=0$، كان أسرع بكثير من جميع النماذج الأساسية. وحتى عند $t_0=600$، ظل فعالاً من الناحية الحاسوبية، وغالباً ما تفوق على الطرق الأخرى في السرعة مع الحفاظ على جودة إعادة بناء متفوقة.

الأهمية والادعاءات
يزعم البحث أن MAP-RPS وLMAP-RPS يقدمان منظوراً جديداً لتحقيق التنقل في (D–P) في المسائل العكسية صفرية التدريب. ويؤكد المؤلفون أن طريقتهم توفر بديلاً مبدئياً، مؤصلاً نظرياً، وفعالاً حاسوبياً للاستراتيجيات التجريبية الحالية. ومن خلال فصل أهداف التشوه والإدراك إلى مرحلتين متميزتين، يسمح إطار العمل للممارسين باختيار إعادة البناء التي تناسب متطلبات التطبيق المحددة بمرونة دون الحاجة لإعادة تدريب النماذج. كما يسلط المؤلفون الضوء على الإمكانات العملية القوية لـ LMAP-RPS، مشيرين إلى قدرته على تقديم نتائج SOTA في المسائل العكسية المعقدة والواقعية بتعقيد حاسوبي أقل من الخوارزميات الحالية.

القصور والعمل المستقبلي
يقر المؤلفون بأن ضماناتهم النظرية تعتمد على افتراض اللاحقات ذات التقعر اللوغاريتمي القوي (أحادية المنوال تقريباً). وبينما تشير النتائج التجريبية إلى أن الطريقة تظل فعالة في الإعدادات الأكثر عمومية، فإن سلوكها تحت اللاحقات متعددة الأنماط المعقدة يتطلب مزيداً من الاستقصاء. بالإضافة إلى ذلك، يعتمد التنفيذ الحالي على خوارزميات محددة لأخذ عينات اللاحقة (مثل DPS) للمرحلة الثانية، مما قد يؤدي إلى أخطاء في التقدير؛ لذا يمكن للعمل المستقبلي دمج طرق أخذ عينات لاحقة متسقة تقاربياً لزيادة صقل التنقل في (D–P).