Contrastive Diffusion Guidance for Spatial Inverse Problems

El artículo presenta CoGuide, un método que utiliza una guía de difusión contrastiva en un espacio de incrustación suave para resolver problemas inversos espaciales con operadores no diferenciables, como la reconstrucción de planos de planta a partir de trayectorias humanas, logrando así una mayor estabilidad y robustez que los enfoques existentes.

Lo esencial

Imagina que entras en una casa completamente a oscuras. No puedes ver las paredes, ni los muebles, ni la distribución de las habitaciones. Sin embargo, tienes un amigo que camina por la casa durante unos minutos y tú grabas su trayectoria (dónde va, a qué velocidad, dónde gira).

El problema: ¿Puedes dibujar el plano de la casa (dónde están las paredes) basándote solo en el rastro de pasos de tu amigo?

Este es un problema matemático muy difícil llamado "problema inverso". Normalmente, si quieres predecir el camino de alguien en una casa, es fácil. Pero hacer lo contrario (deducir la casa del camino) es como intentar reconstruir un pastel entero solo oliendo un bocado de miga.

Aquí es donde entra el artículo que nos ocupa, presentado en la conferencia ICLR 2026, con un método llamado CoGuide.

1. El problema de los "mapas mentales" (La dificultad)

Los investigadores intentaron usar Inteligencia Artificial (IA) para resolver esto. La IA tiene una "memoria" de miles de casas reales (un modelo de difusión) y sabe cómo se ven las casas típicas.

El problema es que la relación entre "la casa" y "el camino que recorre la gente" es caótica y llena de baches.

• La analogía del laberinto: Imagina que mueves un solo ladrillo en una pared. De repente, el camino más corto para ir de la cocina al baño cambia por completo. Tu amigo podría dar un giro de 90 grados o cruzar por otra habitación.
• El fallo de los métodos antiguos: Los métodos anteriores intentaban calcular matemáticamente cómo cambia el camino si mueves un ladrillo. Pero como el cambio es tan brusco y desordenado (como intentar empujar un coche atascado en la nieve), la IA se confundía, se volvía inestable y terminaba dibujando casas con paredes que atravesaban a la gente o habitaciones imposibles.

2. La solución mágica: "CoGuide" y el "Espacio de Compatibilidad"

En lugar de intentar calcular la física exacta de cómo la gente camina (que es un dolor de cabeza matemático), los autores de CoGuide decidieron hacer algo más inteligente: enseñar a la IA a "sentir" la compatibilidad.

Imagina que tienes dos cajas de fichas:

1. Una caja con planos de casas.
2. Otra caja con trazados de caminos.

El entrenamiento (Aprendizaje Contrastivo):
En lugar de enseñarles a la IA a calcular la distancia, les enseñamos a agrupar.

• Si tomas un plano de casa y el camino que alguien hizo en esa misma casa, los empujamos muy cerca el uno del otro en un "espacio invisible" (un mapa mental de la IA).
• Si tomas un plano de casa y un camino que no coincide (por ejemplo, un camino de un rascacielos en un plano de una cabaña), los empujamos lejos, al otro lado del universo.

La analogía del "Olfato":
Es como entrenar a un perro. No le enseñas la fórmula química de un hueso. Solo le enseñas: "Si huele a hueso, siéntate cerca. Si huele a zapato, aléjate". Con el tiempo, el perro sabe distinguir perfectamente sin saber química.

CoGuide hace lo mismo: crea un "olfato" matemático. Si la IA está dibujando un plano y el camino de la persona "huele" bien (está cerca en el espacio invisible), sigue dibujando. Si "huele" mal (el camino atraviesa una pared imaginaria), la IA corrige el dibujo.

3. ¿Cómo funciona en la práctica?

El proceso es como un juego de "Caliente y Frío" muy avanzado:

1. El borrador: La IA empieza con una imagen de ruido (como una televisión sin señal) y poco a poco va limpiando la imagen para formar una casa.
2. La guía: En cada paso, la IA mira el camino que le diste (la trayectoria).
3. El chequeo: En lugar de hacer cálculos complejos, la IA pregunta: "¿Este plano de casa que estoy dibujando ahora, 'encaja' bien con el camino que tengo?".
   • Si el plano y el camino son "amigos" (están cerca en su espacio invisible), la IA dice: "¡Bien! Sigue así".
   • Si el plano y el camino son "enemigos" (están lejos), la IA dice: "¡No! Mueve esa pared, el camino no puede atravesarla".

4. Los resultados

Los investigadores probaron su método contra otros 6 competidores.

• Los otros métodos: A menudo dibujaban casas con paredes que desaparecían, habitaciones que no existían o caminos que atravesaban muros.
• CoGuide: Logró reconstruir planos de casas muy precisos, incluso cuando la información del camino era escasa (pocos pasos grabados).

El toque final:
Incluso probaron esto con audio. Si tienes una grabación vieja y ruidosa de un piano (el "camino" degradado) y quieres recuperar la música limpia (el "plano" original), CoGuide también funciona. En lugar de saber exactamente cómo se rompió la cinta, aprende a emparejar el sonido sucio con el sonido limpio, logrando restaurar la música de forma milagrosa.

En resumen

CoGuide es como un detective intuitivo. En lugar de intentar resolver la ecuación imposible de "cómo la gente camina en una casa", aprende a reconocer cuándo un plano de casa y un camino de pasos encajan naturalmente. Al hacerlo, puede reconstruir casas enteras (o restaurar música) solo con pistas muy vagas, superando a los métodos matemáticos tradicionales que se quedan atascados en la complejidad del problema.

Es un paso gigante hacia resolver problemas donde no conocemos las reglas exactas del juego, pero sí sabemos cómo se ve una "buena jugada".

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo "Contrastive Diffusion Guidance for Spatial Inverse Problems" (Guía de Difusión Contrastiva para Problemas Inversos Espaciales), presentado en ICLR 2026.

1. Definición del Problema

El artículo aborda una clase específica de problemas inversos donde el operador directo $A$ es parcialmente especificado, no suave y no diferenciable.

• Caso de Estudio: La reconstrucción de planos de planta (floorplans) de un edificio a partir de trayectorias de movimiento humano (rutas de caminata).
• La Dificultad: El proceso de generación de la ruta (cómo una persona navega de un punto A a un B dentro de una planta) actúa como el operador directo $A$. Este proceso es inherentemente complejo, no lineal y no diferenciable. Pequeños cambios en la estructura de la planta (ej. un pequeño hueco en una pared) pueden provocar cambios drásticos y discontinuos en la ruta planificada.
• El Desafío para los Modelos de Difusión: Los solucionadores inversos basados en difusión existentes (como DPS - Diffusion Posterior Sampling) dependen de calcular el gradiente de la verosimilitud ($\nabla_x \log p(y|x)$). Cuando el operador $A$ es no diferenciable o inestable (como los planificadores de ruta tipo A* o sus variantes diferenciables), los gradientes de la verosimilitud son inestables o inexistentes, lo que impide una guía efectiva del proceso de denoising hacia la distribución posterior correcta.

2. Metodología: CoGuide

Los autores proponen CoGuide, un marco que se aleja de la aproximación directa de la verosimilitud mediante operadores diferenciables y, en su lugar, reformula la guía en un espacio de incrustación (embedding) suave aprendido.

A. Espacio de Incrustación y Aprendizaje Contrastivo

En lugar de trabajar directamente en el espacio de los planos y las trayectorias, el método proyecta ambos en un espacio común $E$ mediante dos codificadores:

• $f_\phi$: Codificador de planos de planta ($x$).
• $g_\psi$: Codificador de trayectorias ($y$).

Estos codificadores se entrenan utilizando una función de pérdida contrastiva (estilo InfoNCE). El objetivo es:

1. Acercar en el espacio $E$ los pares compatibles (planos y sus trayectorias correspondientes).
2. Alejar los pares incompatibles (planos y trayectorias que no coinciden).

B. Verosimilitud Sustituta (Surrogate Likelihood)

La contribución teórica clave es demostrar que la similitud contrastiva en el espacio de incrustación actúa como una aproximación válida de la verosimilitud.

• Bajo la óptima del aprendizaje contrastivo, el producto interno $\langle f_\phi(x), g_\psi(y) \rangle$ es proporcional a $\log p(y|x)$.
• Por lo tanto, el gradiente de la verosimilitud original se sustituye por el gradiente de la distancia en el espacio de incrustación:
  $$\nabla_x \log p(y|x) \approx -\frac{1}{2\tau} \nabla_x \| f_\phi(x) - g_\psi(y) \|_2^2$$
• Esta función es suave (Lipschitz) y estable, permitiendo guiar el proceso de difusión sin los problemas de inestabilidad de los operadores de planificación de ruta directos.

C. Mejoras en la Inferencia

Para optimizar la reconstrucción, CoGuide incorpora:

1. Penalización de Intersección: Se añade un término de pérdida que castiga las intersecciones entre las paredes del plano reconstruido y la trayectoria medida, asegurando consistencia física.
2. Optimización con Adam en DDIM: Se reemplaza el descenso de gradiente estándar (GD/SGD) dentro de los pasos de muestreo DDIM con el optimizador Adam. Esto mejora la convergencia en paisajes de optimización no convexos y aprovecha mejor la información de segundo orden.
3. Calentamiento de Tasa de Aprendizaje: Se utiliza un annealing cosenoidal de la tasa de aprendizaje para controlar la fuerza de la guía durante el proceso de difusión.

3. Contribuciones Clave

1. Nueva Abordaje para Operadores No Diferenciables: Se propone una solución general para problemas inversos donde el operador directo es no diferenciable o inestable, evitando la necesidad de aproximar el operador con variantes diferenciables (como Neural A*) que a menudo fallan.
2. Marco de Guía Contrastiva: Introduce el uso de un espacio de incrustación aprendido para sustituir el término de verosimilitud en la inferencia de difusión, demostrando teóricamente que esto es una aproximación válida de la verosimilitud real.
3. Aplicación a Problemas Ciegos (Blind Inverse Problems): Demuestra que el método puede extenderse a problemas donde el operador de degradación es completamente desconocido (ej. restauración de audio), siempre que se puedan generar pares de datos (entrada/salida) para entrenar el espacio de incrustación.
4. Rendimiento Superior: CoGuide supera a múltiples líneas base, incluyendo solucionadores inversos clásicos, variantes de DPS con planificadores diferenciables y modelos de difusión con guía libre de clasificadores (CFG).

4. Resultados Experimentales

Los experimentos se realizaron utilizando el dataset HouseExpo (35,126 planos de planta) y trayectorias generadas sintéticamente con el algoritmo A*.

• Métricas: Se evaluaron mediante IoU (Intersección sobre Unión) y F1-score.
• Comparación: CoGuide se comparó contra 6 líneas base:
  • DPS + 3 planificadores diferenciables (Neural A*, TransPath, DiPPeR).
  • Solucionadores inversos establecidos (DiffPIR, DMPlug).
  • Modelo de difusión con CFG (Classifier-Free Guidance).
• Hallazgos Cuantitativos:
  • En regímenes de trayectorias escasas (sparse) y moderadas, CoGuide obtuvo el mejor rendimiento, superando significativamente a CFG y a las variantes de DPS.
  • En trayectorias densas, CFG tuvo un rendimiento muy alto, pero CoGuide + CFG (combinación de ambos) logró los resultados óptimos (F1 ~0.99, IoU ~0.97).
• Hallazgos Cualitativos:
  • Los métodos basados en DPS con planificadores diferenciables generaron artefactos y planos inconsistentes debido a la inestabilidad de los gradientes.
  • CoGuide produjo planos estructuralmente coherentes con las trayectorias observadas.
• Validación en Mundo Real: Se probaron con trayectorias reales capturadas mediante sensores UWB (Ultra-Wideband) en apartamentos. CoGuide reconstruyó estructuras de paredes y habitaciones con mayor precisión que CFG, que tendía a fallar al generalizar desde datos sintéticos a reales.
• Generalización: En el Apéndice, se demuestra la aplicación en restauración de audio ciego, donde CoGuide superó a las técnicas de línea base (LTAS) en métricas de distancia de audio (FAD), eliminando ruido y efectos no lineales desconocidos.

5. Significado e Impacto

Este trabajo es significativo porque:

• Rompe la dependencia de la diferenciabilidad: Permite aplicar modelos de difusión a problemas inversos complejos donde la física o la lógica del sistema (como la planificación de rutas humanas) no son diferenciables.
• Puente entre Aprendizaje Contrastivo y Difusión: Establece una conexión teórica sólida entre el aprendizaje contrastivo (InfoNCE) y la estimación de verosimilitud en problemas inversos, ofreciendo una nueva vía para la guía de difusión.
• Versatilidad: Sugiere un camino para resolver una amplia gama de problemas inversos "ciegos" (blind inverse problems) en diversos dominios (espaciales, acústicos, topológicos), siempre que sea posible generar datos de entrenamiento sintéticos o parciales.

En resumen, CoGuide representa un avance importante en la capacidad de los modelos generativos para resolver problemas inversos del mundo real que anteriormente eran intratables debido a la naturaleza no suave de sus operadores directos.