Résumé Technique : Un Cadre Morse-Bott pour les Problèmes Inverses Aveugles

Énoncé du Problème

L'article traite des problèmes inverses aveugles (blind inverse problems), plus précisément la récupération conjointe d'une image $\bar{x}$ et d'un paramètre d'opérateur de propagation $\bar{\theta}$ (par exemple, un noyau de flou) à partir d'une observation indirecte $y = A(\bar{\theta})\bar{x} + b$. Ces problèmes sont sévèrement mal posés, car une infinité de paires $(x, \theta)$ peuvent expliquer la même observation.

Les auteurs se concentrent sur le cadre d'estimation Maximum A Posteriori (MAP), où l'on cherche la solution en minimisant le logarithme négatif de la distribution a posteriori :
$$L(x, \theta; y) = \frac{1}{2\sigma^2} \|A(\theta)x - y\|^2 - \log p_x(x) - \log p_\theta(\theta)$$
Bien que les priors artisanaux (par exemple, la parcimonie) aient historiquement dominé, des avancées récentes utilisent des priors appris (spécifiquement les modèles de diffusion) pour capturer la complexité des images naturelles. Cependant, un paradoxe persiste : alors que l'optimisation locale avec une initialisation soignée réussit souvent, l'optimisation MAP globale échoue systématiquement, convergeant vers des solutions dégénérées de type « sans flou » (le « piège du flou » ou blurry trap) où l'opérateur s'effondre vers l'identité et l'image reste floue. L'article vise à expliquer rigoureusement ce phénomène et à établir les conditions sous lesquelles la récupération locale est théoriquement garantie.

Méthodologie

1. L'Hypothèse de Modélisation Morse-Bott

Les auteurs proposent de modéliser le potentiel de l'image $q(x) = -\log p_x(x)$ comme une fonction Morse-Bott. Contrairement aux hypothèses de convexité traditionnelles, ce cadre reconnaît que les images naturelles résident sur des variétés de faible dimension.

• Définition : Un potentiel $q$ est Morse-Bott en un point critique $\bar{x}$ si l'ensemble des points critiques forme localement une sous-variété lisse $\mathcal{M}$, et que la Hessienne $\nabla^2 q(\bar{x})$ est non dégénérée dans les directions normales à $\mathcal{M}$.
• Implication : Le potentiel est plat le long de l'espace tangent de la variété d'image ($T_{\bar{x}}\mathcal{M}$) mais strictement convexe dans les directions normales.

2. Validation Empirique de l'Hypothèse

Les auteurs valident cette hypothèse en utilisant des modèles de diffusion de pointe (FFHQ, ImageNet, AFHQ) en :

• Localisant les points critiques : En exécutant une descente de gradient à partir d'images naturelles, de jeux de données non apparentés et de bruit. Ils observent une convergence vers des points critiques qui agissent comme des versions « débruitées » de l'entrée.
• Analysant la courbure du paysage : En démontrant que le potentiel augmente brusquement lorsqu'on s'éloigne de la variété (directions transverses) mais reste relativement plat le long de celle-ci.
• Analyse spectrale de la Hessienne : En calculant le spectre de la Hessienne aux points critiques. Ils trouvent un écart spectral clair : un petit nombre de valeurs propres proches de zéro (correspondant à l'espace tangent de la variété) et une vaste majorité de valeurs propres positives et importantes (directions normales). Cela confirme la structure Morse-Bott pour les potentiels de diffusion appris.

3. Analyse Théorique de la Stabilité

En utilisant l'hypothèse Morse-Bott, les auteurs dérivent des garanties de récupération locale pour les problèmes inverses non aveugles et aveugles.

• Cas non aveugle : Ils prouvent que si l'image de vérité terrain $\bar{x}$ est un point critique de second ordre du potentiel et que l'opérateur $A$ est injectif sur l'espace tangent de la variété ($T_{\bar{x}}\mathcal{M} \cap \ker A = \{0\}$), alors $\bar{x}$ est un minimiseur local stable.
• Cas aveugle : Ils étendent cela à la récupération conjointe $(\bar{x}, \bar{\theta})$. La stabilité nécessite trois conditions géométriques :
  1. Identifiabilité sur la variété : $T_{\bar{x}}\mathcal{M} \cap \ker A(\bar{\theta}) = \{0\}$.
  2. Identifiabilité des paramètres : $\ker J_{\bar{x}}(\bar{\theta}) = \{0\}$ (les variations de $\theta$ produisent des changements mesurables).
  3. Découplage variété-opérateur : $(A(\bar{\theta})T_{\bar{x}}\mathcal{M}) \cap \text{Im } J_{\bar{x}}(\bar{\theta}) = \{0\}$ (les variations d'image ne peuvent pas être confondues avec des variations d'opérateur).
• Résultat : Sous ces conditions, la vérité terrain est un minimiseur local stable. La solution dépend de manière lisse des perturbations des données, et la descente de gradient initialisée à proximité converge vers ce minimiseur.

4. Analyse de l'Échec Global (Le « Piège du Flou »)

Les auteurs étudient pourquoi le MAP global échoue malgré la stabilité locale.

• Observation Empirique : Ils démontrent que pour les potentiels basés sur la diffusion entraînés sur des images naturelles, le potentiel $q(x)$ diminue strictement à mesure que l'image devient plus floue. C'est une propriété globale du paysage, et non un simple artefact local.
• Preuve Théorique : Ils prouvent que si le potentiel satisfait une condition de « préférence pour le flou » ($q(h * x) \leq q(x)$ pour tous les noyaux de flou $h$), le minimiseur global de l'objectif MAP est toujours une solution dégénérée de type « sans flou », quel que soit la qualité générative du prior.
• Conclusion : L'échec du MAP global est une caractéristique intrinsèque de la topologie du paysage, et non une limitation de la qualité du prior.

Résultats Clés

1. Stabilité Locale : L'article établit que pour une large classe de problèmes inverses aveugles, la vérité terrain est un minimiseur local stable, à condition que l'opérateur et la variété d'image satisfassent des conditions de transversalité géométrique spécifiques. Cela justifie le succès empirique des méthodes d'optimisation locale lorsqu'elles sont correctement initialisées.
2. Instabilité Globale : Le « piège du flou » est confirmé comme persistant même avec des priors de diffusion de pointe. Le paysage global est biaisé vers des structures lisses et floues car les statistiques des images naturelles favorisent le contenu à basse fréquence.
3. Vérification Numérique :
   • Des expériences sur divers noyaux de flou (Gaussien, mouvement, défocalisation, simplex) montrent que la vallée Morse-Bott (le bassin local) existe mais est souvent éclipsée par l'attracteur global.
   • L'identifiabilité varie selon le noyau : Le flou de mouvement et le flou de défocalisation présentent des minima locaux plus nets et un meilleur conditionnement que les flous gaussiens ou de Airy, satisfaisant plus efficacement la condition de découplage.
   • Sensibilité au bruit : À mesure que les niveaux de bruit augmentent, le bassin de récupération locale s'effondre, et le « piège du flou » global domine, rendant l'estimateur MAP incohérent au-delà d'un seuil de bruit critique.
4. Stratégie d'Initialisation : Les auteurs proposent un schéma d'optimisation alternée heuristique (Algorithme 6.1) pour naviguer dans le paysage :
   • Initialisation sensible au bassin : Initialiser avec un noyau « large » (support maximal) plutôt qu'un petit. Cela force la composante d'image à contenir des hautes fréquences, plaçant l'optimisation dans la région transverse où le découplage variété-opérateur est effectif.
   • Mises à jour asymétriques : Effectuer plusieurs mises à jour d'image pour chaque mise à jour de noyau afin de maintenir l'image proche du plancher de la variété.
   • Réinitialisation périodique : Réinitialiser l'image à l'observation $y$ périodiquement pour échapper aux petits puits locaux et maintenir la cohérence avec les données.
   • Validation : Cette stratégie réussit à récupérer les vérités terrains dans des expériences synthétiques et sur des données réelles (jeu de données Köhler), là où l'initialisation par petit noyau échoue.

Signification et Revendications

L'article affirme fournir un cadre théorique rigoureux (Morse-Bott) qui explique la dichotomie entre le succès de l'optimisation locale et l'échec de l'optimisation globale dans les problèmes inverses aveugles avec des priors appris.

• Contribution Théorique : Il formalise la géométrie des potentiels appris, montrant qu'ils sont des fonctions Morse-Bott. Il fournit des constantes de stabilité explicites et des conditions (identifiabilité, découplage) pour la récupération locale, étendant les théories de la compression parcimonieuse aux contextes non convexes et appris.
• Aperçu Pratique : Il démontre que le « piège du flou » est une caractéristique topologique fondamentale des statistiques d'images naturelles, et non un défaut des architectures de modèles spécifiques. Par conséquent, améliorer la qualité générative du prior seul ne peut résoudre l'échec du MAP global.
• Changement de Stratégie : Les auteurs soutiennent que l'accent de la recherche sur les problèmes inverses aveugles devrait passer de la recherche de maximiseurs globaux à la caractérisation et au ciblage des bassins de récupération locale. Le succès dépend d'une « optimisation informée par la topologie », spécifiquement une initialisation stratégique qui évite l'attracteur global.

L'article conclut que bien que la récupération locale soit théoriquement garantie sous des conditions géométriques, le paysage global est intrinsèquement biaisé. Ainsi, les algorithmes pratiques doivent s'appuyer sur des heuristiques (comme l'initialisation par grand noyau) pour naviguer dans ce terrain complexe, plutôt que de compter sur l'optimalité globale de l'estimateur MAP.