Resumen Técnico: Cuantificación de la Sensibilidad al Ruido de la Métrica de Wasserstein para Imágenes

Planteamiento del Problema

El Transporte Óptimo (OT) y las métricas de Wasserstein se utilizan cada vez más como puntuaciones de similitud en aplicaciones de imagen, particularmente en campos como la criomicroscopía electrónica de partícula única (cryo-EM), caracterizados por niveles de ruido extremadamente altos. La evidencia empírica sugiere que las métricas de Wasserstein son más robustas al ruido que las distancias euclidianas estándar ($L_2$). Sin embargo, existe una falta de comprensión teórica sobre cómo se comportan estas métricas bajo ruido aditivo por píxel cuando las imágenes se tratan como medidas discretas en una rejilla fija. Específicamente, la relación entre la desviación estándar del ruido ($\sigma$) y el error resultante en la distancia de Wasserstein permanece sin cuantificar. Este artículo aborda esta brecha derivando límites de esperanza de muestra finita para la sensibilidad de las métricas de Wasserstein con signo ante el ruido gaussiano.

Metodología

Marco Teórico

Los autores modelan las imágenes como señales de valores reales en una rejilla cuadrada de $n \times n$ ($G_n$), identificadas con medidas con signo. Para manejar el ruido que puede introducir valores de píxeles negativos, el estudio extiende la métrica de Wasserstein a medidas con signo.

• Discrepancia de Wasserstein con signo: Para dos medidas con signo $\mu$ y $\nu$ con descomposiciones de Jordan $\mu = \mu^+ - \mu^-$ y $\nu = \nu^+ - \nu^-$, la discrepancia de Wasserstein con signo se define como $W_p^\pm(\mu, \nu) := W_p(S_{\mu,\nu}, T_{\mu,\nu})$, donde $S_{\mu,\nu} = \mu^+ + \nu^-$ y $T_{\mu,\nu} = \nu^+ + \mu^-$.
• Modelo de Ruido: El artículo considera un modelo de ruido gaussiano específico donde el vector de ruido $N$ se extrae de una distribución normal multivariante $\mathcal{N}(0, \Sigma)$. La matriz de covarianza $\Sigma$ se construye de tal manera que la distribución marginal de cada píxel es $\mathcal{N}(0, \sigma^2)$, pero la suma de todos los píxeles es exactamente cero ($\sum N_i = 0$). Esta restricción de "suma cero" evita la necesidad de reescalar la masa total de las imágenes, aislando el impacto geométrico del ruido.
• Herramientas Analíticas: Los límites teóricos se derivan utilizando un argumento multiescala basado en particiones diedricas de la rejilla de píxeles. Este enfoque empareja recursivamente los desequilibrios de masa a través de cuadrantes en varias escalas, aprovechando la dualidad de Kantorovich-Rubinstein para $p=1$ y construcciones de acoplamiento específicas para $p > 1$.

Validación Experimental

Los hallazgos teóricos son corroborados mediante experimentos numéricos utilizando el conjunto de datos DOTMark 1.0 MicroscopyImages y datos sintéticos.

• Leyes de Escalamiento: Los autores miden cómo la distancia entre una imagen y su contraparte ruidosa escala con la varianza del ruido ($\sigma^2$) creciente.
• Comparación de Robustez: Comparan la estabilidad de las métricas $L_2$, $W_1$ y $W_2$ cuando dos imágenes distintas son corrompidas por ruido, evaluando la relación entre la distancia ruidosa y la distancia limpia.
• Estudio de Caso: Se realiza un análisis específico sobre proyecciones de criomicroscopía electrónica de la proteína E. coli Hsp90 para probar la recuperación de relaciones geométricas (rotaciones y traslaciones) bajo alto ruido.

Principales Contribuciones y Resultados

1. Límites Teóricos de la Sensibilidad al Ruido

El artículo establece límites de esperanza de muestra finita para la discrepancia de Wasserstein con signo entre una imagen limpia y su versión ruidosa (o entre dos imágenes ruidosas).

• Para $p=1$ (1-Wasserstein con signo):
  El error esperado entre una imagen limpia $\mu$ y una versión ruidosa $\mu + \varepsilon$ escala como:
  $$\mathbb{E}[W_1^\pm(\mu, \mu+\varepsilon)] = \Theta(n \sigma \log_2 n)$$
  Al comparar dos imágenes ruidosas diferentes, la desviación de la distancia limpia está acotada por un término de orden $O(n \sigma \log_2 n)$.

• Para $p > 1$ ($p$-Wasserstein con signo):
  El comportamiento difiere significativamente. La potencia $p$-ésima esperada de la discrepancia escala linealmente con $\sigma$:
  $$\mathbb{E}[(W_p^\pm(\mu+\varepsilon_1, \mu+\varepsilon_2))^p] = \Theta(n \sigma)$$
  Consecuentemente, por la desigualdad de Jensen, la distancia esperada escala como:
  $$\mathbb{E}[W_p^\pm(\mu+\varepsilon_1, \mu+\varepsilon_2)] = \Theta((n \sigma)^{1/p})$$
  Específicamente para $p=2$, el error escala con la raíz cuadrada de la desviación estándar del ruido ($\sqrt{\sigma}$), mientras que la métrica euclidiana escala linealmente con $\sigma$. Esto proporciona una base teórica para la robustez superior al ruido de $W_2$.

2. El Fenómeno de "Distancia Decreciente"

Los autores identifican y explican un fenómeno contraintuitivo donde aumentar el nivel de ruido puede disminuir la distancia de Wasserstein entre dos imágenes dispersas.

• Mecanismo: En imágenes dispersas (por ejemplo, dos estructuras distintas sobre un fondo oscuro), el ruido aditivo crea "peldaños" (picos de ruido) entre las estructuras. El plan de transporte óptimo puede utilizar estos picos de ruido para cerrar la brecha, acortando efectivamente el costo de transporte en comparación con el caso limpio donde la masa debe ser transportada directamente a través de la distancia completa.
• Implicación: Este comportamiento no monotónico resalta la compleja interacción entre la geometría del ruido y los costos de transporte, particularmente para $p > 1$.

3. Validación Empírica

• Confirmación de Escalamiento: Los experimentos confirman que el costo $W_2$ escala con un exponente de aproximadamente 0.5 respecto a la varianza del ruido, coincidiendo con la predicción teórica de $\sigma^{1/2}$, mientras que $L_2$ escala linealmente.
• Robustez: En comparaciones de pares de imágenes, $W_2$ mantiene la relación de distancia original más cerca de 1 a través de un rango más amplio de niveles de ruido en comparación con $W_1$ y $L_2$.
• Aplicación en Cryo-EM: En el estudio de caso de cryo-EM, las matrices de distancia $L_2$ se degradan en patrones aleatorios bajo ruido pesado, perdiendo la estructura geométrica. En contraste, las matrices $W_1$ y $W_2$ preservan la estructura diagonal global de las transformaciones reales. Además, se demuestra que $W_2$ tolera aproximadamente 3.5 veces más ruido que $W_1$ antes de confundir el ruido aditivo con desplazos espaciales genuinos.

Significado y Reivindicaciones

El artículo afirma ser el primero en estudiar la robustez al ruido de las métricas de Wasserstein para medidas en una rejilla fija. Su principal significancia radica en proporcionar una base teórica para la observación empírica de que las distancias de transporte óptimo son superiores a las normas euclidianas en entornos de imagen con ruido.

• Perspectiva Teórica: Al demostrar que el error en la discrepancia de 2-Wasserstein con signo escala con $\sqrt{\sigma}$ (favorable en comparación con el escalamiento lineal de $L_2$), este trabajo explica por qué los métodos basados en OT tienen éxito en dominios de alto ruido como la criomicroscopía electrónica.
• Guía Práctica: Los resultados sugieren que para aplicaciones que involucran alto ruido y preservación de estructura geométrica, $W_2$ es una métrica más robusta que $W_1$ o $L_2$.
• Limitaciones y Trabajo Futuro: Los autores señalan modestamente que, aunque sus límites capturan el comportamiento de escalamiento correcto, pueden no ser ajustados (particularmente para $p>1$). También destacan que la falta de una desigualdad triangular para $W_p$ con signo ($p>1$) complica la derivación de límites agudos para la diferencia entre las expectativas ruidosas y limpias. Se sugiere como trabajo futuro investigar la utilidad práctica de valores de $p$ más altos y refinar los límites para escenarios de transporte desbalanceado.

Los autores concluyen que esta comprensión teórica es un paso necesario para futuros desarrollos metodológicos en modalidades de imagen con alto ruido, como la criomicroscopía electrónica y la imagen médica.