Resumen Técnico: Más allá de la precisión: Evaluación de la fidelidad posterior de los solucionadores inversos de difusión

Declaración del problema

Los problemas inversos en dominios científicos y de ingeniería (por ejemplo, imágenes médicas, geofísica, astronomía) son inherentemente mal planteados, a menudo generando múltiples soluciones físicamente plausibles debido al ruido de medición y a datos incompletos. Aunque los solucionadores inversos de difusión (DIS) han surgido como un paradigma potente para resolver estos problemas aprovechando priores de difusión preentrenados, las actuales líneas de referencia de evaluación adolecen de una limitación crítica: se centran casi exclusivamente en la precisión de reconstrucción (por ejemplo, PSNR, SSIM).

Este enfoque crea una "trampa de precisión", donde los métodos se juzgan únicamente por la calidad de la reconstrucción punto a punto. Sin embargo, los métodos DIS estocásticos están diseñados para muestrear de una distribución posterior $p(x|y)$ para cuantificar la incertidumbre. Un método puede lograr una alta precisión produciendo una única salida determinista que resulta estar cerca de la verdad fundamental, pero fallar en capturar el comportamiento distribucional real (por ejemplo, omitiendo modos, colapsando la varianza o generando muestras fuera de la posterior). Las métricas existentes para la fidelidad distribucional, como la distancia de Wasserstein o FID, requieren acceso a muestras o densidades de la verdad fundamental posterior, las cuales no están disponibles en aplicaciones científicas del mundo real. En consecuencia, existe una falta de métricas robustas, libres de verdad fundamental, para evaluar si los métodos DIS recuperan genuinamente la distribución posterior objetivo.

Metodología

1. Estudio sistemático de la fidelidad posterior

Los autores realizan un estudio controlado utilizando problemas inversos sintéticos con posteriores analíticas verdaderas conocidas. Al visualizar muestras posteriores y compararlas con distribuciones de verdad fundamental, demuestran que diferentes métodos DIS exhiben comportamientos cualitativamente distintos (por ejemplo, colapso de modos, mala cobertura de modos débiles) incluso cuando su precisión de reconstrucción es comparable. Esto establece la necesidad de evaluar el comportamiento distribucional más allá de la precisión.

2. Discrepancia de Stein basada en Kernel y Puntuación (Score-KSD)

Para abordar la falta de muestras de verdad fundamental en entornos del mundo real, el artículo propone Score-KSD, una métrica fundamentada teóricamente que evalúa la consistencia posterior sin requerir acceso a la densidad posterior verdadera ni a muestras.

• Aproximación de la puntuación posterior: El método se basa en la descomposición de la puntuación posterior $\nabla_x \log p(x|y)$ mediante la regla de Bayes:
  $$\nabla_x \log p(x|y) = \nabla_x \log p(y|x) + \nabla_x \log p(x)$$

  • Puntuación de verosimilitud: Para ruido gaussiano, la puntuación de verosimilitud $\nabla_x \log p(y|x)$ es computable analíticamente utilizando el operador directo $A$ y la medición $y$.
  • Puntuación del prior: La puntuación del prior $\nabla_x \log p(x)$ se aproxima utilizando un modelo de difusión preentrenado. Perturbando una imagen limpia $x$ con ruido pequeño y consultando la red de puntuación de difusión $s_\theta$, los autores aproximan la puntuación del prior.
  • Puntuación combinada: La suma de la puntuación de verosimilitud y la puntuación del prior aproximada produce un campo de puntuación posterior estimado $\hat{s}_p(x; y)$.

• Discrepancia de Stein basada en Kernel (KSD): Utilizando el campo de puntuación estimado, los autores aplican KSD para medir la discrepancia entre la distribución de muestras generadas por un método DIS ($\hat{q}_N$) y la posterior objetivo $p(x|y)$. KSD mide la violación máxima de la identidad de Stein $\mathbb{E}[T_p f(X)] = 0$ sobre un Espacio de Hilbert de Kernel Reproductivo (RKHS).

  • El KSD al cuadrado admite un estimador empírico de forma cerrada basado en las muestras generadas y la función de kernel.
  • Se propone una versión normalizada, score-KSD, para tener en cuenta la dimensionalidad de los datos, permitiendo la comparación intra-tarea. Un score-KSD más bajo indica una mayor consistencia con el campo de puntuación posterior objetivo.

Contribuciones clave

1. Identificación de la "trampa de precisión": El artículo demuestra sistemáticamente que una alta precisión de reconstrucción no garantiza una alta fidelidad posterior. Diferentes métodos DIS pueden producir puntuaciones PSNR similares mientras exhiben comportamientos de incertidumbre muy distintos (por ejemplo, colapso determinista frente a muestreo bien disperso).
2. Propuesta de Score-KSD: Los autores introducen una métrica libre de verdad fundamental para evaluar la consistencia posterior. A diferencia de las métricas distribucionales anteriores, Score-KSD solo requiere el modelo directo, el nivel de ruido y un prior de difusión preentrenado, lo que la hace aplicable a problemas inversos del mundo real donde la posterior verdadera es desconocida.
3. Evaluación exhaustiva: El estudio valida Score-KSD mediante:
   • Simulaciones controladas: Comparando las clasificaciones de Score-KSD con la fidelidad posterior visual y las puntuaciones analíticas de verdad fundamental.
   • Tareas del mundo real: Aplicando la métrica a dispersión inversa lineal, reconstrucción de MRI submuestreada y reconstrucción de CT de vista dispersa (tanto dentro de la distribución como fuera de la distribución).

Resultados

• Estudios de simulación: En entornos sintéticos con posteriores conocidas, Score-KSD distingue con éxito entre métodos que recuperan la geometría posterior completa (incluyendo modos débiles) y aquellos que sufren colapso de modos. Los métodos con alta precisión pero pobre cobertura distribucional (por ejemplo, RED-Diff, FPS en configuraciones de ejecución única) exhibieron valores de Score-KSD significativamente más altos que los métodos con mejor consistencia posterior (por ejemplo, MCG-Diff, DiffPIR).
• Experimentos del mundo real:
  • Score-KSD discrimina efectivamente entre métodos DIS y líneas base triviales (priors incondicionales, ruido puro).
  • La métrica revela que los métodos con puntuaciones PSNR similares a menudo tienen valores de Score-KSD divergentes, confirmando que la precisión por sí sola es insuficiente para evaluar solucionadores estocásticos.
  • En configuraciones fuera de la distribución (OOD) (por ejemplo, reconstruir TC de pulmón utilizando un prior entrenado en LIDC-IDRI), los valores de Score-KSD aumentaron, indicando correctamente la degradación de la consistencia posterior debido a la discrepancia del prior.
  • La métrica mostró estabilidad a través de diferentes imágenes de prueba dentro de la misma tarea, respaldando su uso como una herramienta de diagnóstico robusta.

Significado y afirmaciones

El artículo argumenta que la cuantificación robusta de la incertidumbre es un prerrequisito para implementar métodos DIS en aplicaciones científicas sensibles al riesgo. El significado principal de este trabajo radica en cambiar el paradigma de evaluación de la precisión punto a punto a la fidelidad distribucional.

Los autores afirman que Score-KSD proporciona un diagnóstico significativo y fundamentado teóricamente que:

1. Revela comportamientos ocultos: Descubre fallos distribucionales (como el colapso de modos) que las métricas de precisión pasan por alto.
2. Permite la evaluación libre de verdad fundamental: Facilita la evaluación de la consistencia posterior en escenarios del mundo real donde las posteriores analíticas no están disponibles.
3. Destaca la "trampa de precisión": Demuestra que optimizar para PSNR no conduce necesariamente a una mejor cuantificación de la incertidumbre, instando a la comunidad a adoptar estándares de evaluación conscientes de la distribución.

Los autores notan modestamente que Score-KSD es un diagnóstico intra-tarea (los valores no son directamente comparables entre diferentes problemas inversos debido a la variación en la nitidez y dimensiones de la posterior) y que su precisión depende de la estimación correcta de la escala de ruido $\sigma_y$. Identifican la sensibilidad de esta estimación de ruido como una dirección para trabajos futuros.