Resumen Técnico: Más allá de MMSE: Mejora de la Restauración PnP con ProxiMAP

Enunciado del Problema

Los métodos Plug-and-Play (PnP) se han convertido en estándar para resolver problemas inversos de imagen (por ejemplo, desenfoque, inpainting) sustituyendo el denoiser de Máxima A Posteriori (MAP) intratable en algoritmos de división proximal por un denoiser aprendido de Mínima Error Cuadrático Medio (MMSE). Aunque efectivo, este reemplazo introduce una discrepancia fundamental: el estimador MMSE aproxima la media posterior, lo que tiende a producir reconstrucciones sobre-suavizadas debido a la "regresión a la media", mientras que la formulación variacional de PnP requiere teóricamente el estimador MAP.

Los intentos recientes de cerrar esta brecha apuntando directamente al MAP utilizando puntuaciones de modelos de difusión han demostrado ser problemáticos en la práctica. El artículo demuestra que, al utilizar puntuaciones aprendidas, las iteraciones dirigidas al MAP no convergen a imágenes realistas. En su lugar, se desvían hacia regiones de alta densidad de la distribución aprendida que no se alinean con la verdadera distribución de datos, resultando en artefactos "tipo caricatura" (colores planos, bordes exagerados). El artículo postula que este fallo no es intrínseco a la estimación MAP en sí misma, sino una consecuencia de errores de aproximación en las puntuaciones de modelos aprendidos.

Metodología: ProxiMAP

Los autores introducen ProxiMAP, un algoritmo iterativo de aproximación MAP diseñado para operar dentro del régimen de fiabilidad de los denoisers aprendidos. El principio de diseño central es la coincidencia de ruido: en cada iteración $k$, el nivel de ruido residual de la iteración actual debe coincidir con el nivel de ruido $\sigma_k$ en el que el denoiser fue entrenado y consultado.

Mecanismos Clave

1. Programación de Ruido y Seguimiento de Residuos: A diferencia del descenso de gradiente estándar sobre el objetivo proximal, donde la programación de ruido está desacoplada del estado de la iteración, ProxiMAP rastrea explícitamente el ruido residual $\sigma_k$ de la iteración $x_k$. El algoritmo impone la restricción de que el denoiser siempre se consulte con una entrada cuyas estadísticas de ruido coincidan con su distribución de entrenamiento.
2. Parada Temprana Implícita: Al mantener esta coincidencia, el algoritmo evita que la iteración se desvíe hacia regiones donde la puntuación aprendida es poco fiable (el "régimen de fallo"). Esto actúa como un mecanismo de parada temprana fundamentado. La iteración se ralentiza a medida que se acerca a la variedad de datos, evitando las consultas desajustadas que causan el efecto de caricatura.
3. Formulación Algorítmica: ProxiMAP modifica la recursión de descenso de gradiente suavizado (basada en Pesme et al., 2025) para asegurar que $\sigma_k$ (el nivel de ruido de la iteración) sea igual al ruido de condicionamiento del denoiser. El tamaño del paso $\gamma_k$ y la programación de ruido se derivan para satisfacer esta restricción, asegurando que el denoiser permanezca "dentro de la distribución".
4. Variante Híbrida (Fast ProxiMAP): Reconociendo que el reemplazo completo de MMSE por ProxiMAP en cada iteración PnP es computacionalmente costoso, los autores proponen un enfoque híbrido. Esta variante utiliza denoisers MMSE estándar en las iteraciones iniciales (donde la iteración está lejos de la variedad y la precisión de la puntuación es menos crítica) y cambia a ProxiMAP solo en las iteraciones finales (donde la iteración está cerca de la variedad y el denoiser es más fiable). Esto logra resultados comparables o superiores con una fracción del costo computacional.

Contribuciones Clave

1. Diagnóstico de la Estimación MAP con Priors Aprendidos: Mediante comparaciones controladas utilizando Modelos de Mezcla Gaussiana (GMM) con puntuaciones exactas frente a modelos de difusión con puntuaciones aprendidas, el artículo establece que el "efecto caricatura" en la orientación al MAP surge de los sesgos implícitos del entrenamiento de difusión que desplazan las regiones de alta densidad, y no del proceso de estimación MAP en sí mismo.
2. Algoritmo ProxiMAP: Un reemplazo modular y listo para usar de los denoisers MMSE en marcos PnP estándar. Se deriva de un único principio (coincidencia de ruido) que mantiene al denoiser dentro de la distribución y produce una parada temprana implícita.
3. Mejoras Sistemáticas: El método demuestra mejoras consistentes en la calidad perceptual (LPIPS) mientras mantiene una distorsión competitiva (PSNR) a través de múltiples algoritmos PnP (DPIR, DiffPIR, DAPS), tareas (desenfoque, inpainting, superresolución, recuperación de fase) y conjuntos de datos (FFHQ, ImageNet).
4. Variante Híbrida Eficiente: La variante "Fast ProxiMAP" iguala o supera el rendimiento de ProxiMAP de reemplazo completo con un costo computacional significativamente reducido (por ejemplo, reduciendo las evaluaciones de funciones de 160 a 27 en algunas configuraciones).

Resultados Experimentales

Los autores evaluaron ProxiMAP en los conjuntos de datos FFHQ e ImageNet a través de diversos problemas inversos.

• Denoising Independiente: ProxiMAP supera al MMSE condicional y a otros muestreadores deterministas de difusión (DDIM, Flow Matching, InDI) en la curva de compensación percepción-distorsión, logrando un LPIPS más bajo (imágenes más nítidas) para un PSNR comparable.
• Integración PnP: Cuando se integra en DPIR, DiffPIR y DAPS, las variantes de ProxiMAP desplazan consistentemente la frontera de Pareto hacia la esquina óptima (alto PSNR, bajo LPIPS).
• Eficiencia Híbrida: La variante Fast ProxiMAP (cambiando a ProxiMAP solo en la última iteración PnP) logra resultados comparables a la variante de reemplazo completo, pero con un número drásticamente menor de evaluaciones de red. Por ejemplo, en DiffPIR, reduce el número de evaluaciones de funciones (NFEs) de 160 a 27 mientras mantiene o mejora la calidad de reconstrucción.
• Resolución del Modo de Fallo: En casos donde el reemplazo completo de ProxiMAP condujo a artefactos de alta frecuencia (por ejemplo, en superresolución en FFHQ), la variante híbrida resolvió exitosamente estos problemas al confiar en el estimador robusto MMSE durante las iteraciones iniciales e inestables.

Significado y Afirmaciones

El artículo afirma que ProxiMAP ofrece una solución práctica a la discrepancia de larga data entre los denoisers MMSE utilizados en PnP y los estimadores MAP requeridos por la formulación variacional subyacente. En lugar de intentar forzar la convergencia a un MAP potencialmente mal definido de una distribución aprendida, ProxiMAP aprovecha la fiabilidad de las puntuaciones aprendidas manteniendo la trayectoria de optimización dentro de la distribución de entrenamiento del denoiser.

Los autores enfatizan que su contribución es un componente modular que mejora las familias PnP existentes sin requerir el reentrenamiento de los modelos de difusión subyacentes ni el desarrollo de nuevos solucionadores especializados de problemas inversos. Señalan que, aunque ProxiMAP mejora la calidad perceptual, las reconstrucciones aún heredan los sesgos de los modelos de difusión preentrenados, una advertencia particularmente relevante para aplicaciones críticas de seguridad donde la plausibilidad visual no debe ser el único determinante de la corrección. El trabajo sugiere que gestionar la relación entre el nivel de ruido de la iteración y el régimen de entrenamiento del denoiser es una palanca de diseño más efectiva que perseguir una convergencia MAP exacta con puntuaciones inexactas.