🤖 machine learning

UOTIP: Unbalanced Optimal Transport Map for Unpaired Inverse Problems

यह शोधपत्र UOTIP का प्रस्ताव करता है, जो एक अनपेयर्ड इमेज इनवर्स समस्याओं (unpaired image inverse problems) के लिए एक नवीन ढांचा है, जो विविध शोर परिदृश्यों (noise scenarios) में मजबूत, अत्याधुनिक पुनर्निर्माण प्रदर्शन प्राप्त करने के लिए संभावना-आधारित लागत फलन (likelihood-based cost function) के साथ अनबैलेंस्ड ऑप्टिमल ट्रांसपोर्ट का लाभ उठाता है, जबकि परिवहन मानचित्र (transport map) के अस्तित्व और विशिष्टता की सैद्धांतिक गारंटी भी देता है।

मूल लेखक: Donggyu Lee, Taekyung Lee, Jaewoong Choi

प्रकाशित 2026-05-21

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Donggyu Lee, Taekyung Lee, Jaewoong Choi

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

यहाँ "UOTIP: Unpaired Optimal Transport Map for Unpaired Inverse Problems" पेपर की व्याख्या का हिंदी अनुवाद दिया गया है:

बड़ी समस्या: "मेल न खाती पहेली" (The Mismatched Puzzle)

कल्पना कीजिए कि आप एक सुंदर, स्पष्ट पेंटिंग (साफ सिग्नल/clean signal) को फिर से संवारने की कोशिश कर रहे हैं, जिस पर कीचड़ और बारिश के छींटे (शोर युक्त माप/noisy measurement) पड़ गए हैं।

आमतौर पर, कंप्यूटर को इस पेंटिंग को साफ करना सिखाने के लिए, आप उसे हजारों जोड़े (pairs) दिखाते हैं: बाईं ओर एक कीचड़ वाली पेंटिंग और दाईं ओर एक साफ पेंटिंग। कंप्यूटर सीखता है, "ओह, जब मुझे यह विशिष्ट कीचड़ का पैटर्न दिखता है, तो मुझे वह विशिष्ट फूल बनाना चाहिए।"

लेकिन क्या होगा अगर आपके पास जोड़े न हों?
क्या होगा यदि आपके पास कीचड़ वाली पेंटिंग्स की एक बाल्टी है और साफ पेंटिंग्स की एक अलग बाल्टी है, लेकिन वे आपस में मेल नहीं खातीं? आपको नहीं पता कि कौन सी कीचड़ वाली पेंटिंग किस साफ पेंटिंग से आई थी। यह "अनपेयर्ड इनवर्स प्रॉब्लम" (Unpaired Inverse Problem) है। यह दो अलग-अलग लॉन्ड्री के ढेरों से मोजों को मिलाने की कोशिश करने जैसा है, बिना यह जाने कि कौन सा मोजा किस जोड़ी का हिस्सा है।

पुराना तरीका: "कठोर मैचमेकर" (The Rigid Matchmaker)

पिछले तरीकों ने ऑप्टिमल ट्रांसपोर्ट (OT) की अवधारणा का उपयोग करके इसे हल करने का प्रयास किया। OT को एक कठोर मैचमेकर (जोड़ी बनाने वाले) के रूप में सोचें।

यह कहता है: "बाईं ओर के हर एक कीचड़ वाले मोजे को दाईं ओर के ठीक एक साफ मोजे के साथ जोड़ा जाना अनिवार्य है। कोई अपवाद नहीं।"
दोष: वास्तविक दुनिया में चीजें इतनी व्यवस्थित नहीं होती हैं।
- अलग-अलग शोर के स्तर (Different Noise Levels): कुछ कीचड़ वाले मोजे केवल थोड़े नम हैं; अन्य दलदल में भीगे हुए हैं। एक कठोर मैचमेकर "हल्के नम" मोजे को "दलदल में भीगे" मोजे के साथ जोड़ने में संघर्ष करता है यदि नियम कहते हैं कि उन्हें 1-से-1 पूरी तरह से मेल खाना चाहिए।
- वर्ग असंतुलन (Class Imbalance): हो सकता है कि आपके कीचड़ वाले ढेर में 100 मोजे हों, लेकिन आपके साफ ढेर में केवल 50 हों। कठोर मैचमेकर 100 इनपुट को 50 आउटपुट में जबरदस्ती फिट करने की कोशिश में फंस जाता है, जिससे गड़बड़ी पैदा होती है।

नया समाधान: UOTIP (The "Flexible Matchmaker")

लेखक एक नया तरीका प्रस्तावित करते हैं जिसे UOTIP (Unbalanced Optimal Transport Map for Inverse Problems) कहा जाता है। एक कठोर मैचमेकर के बजाय, UOTIP एक लचीला, स्मार्ट मैचमेकर है जो समझता है कि जीवन अस्त-व्यस्त है।

यह कैसे काम करता है, इसे तीन सरल अवधारणाओं में विभाजित किया गया है:

1. "संभावना" का नियम (The "Likelihood" Rule - जासूस का तर्क)

पेपर एक विशेष नियम पेश करता है जिसे लाइक्लीहुड कॉस्ट (Likelihood Cost) कहा जाता है।

उपमा: कल्पना कीजिए कि आप एक जासूस हैं जो यह अनुमान लगाने की कोशिश कर रहे हैं कि संदिग्ध कीचड़ से ढंकने से पहले वह कैसा दिखता था। आप केवल रैंडम अनुमान नहीं लगाते; आप पूछते हैं, "यदि वह व्यक्ति ऐसा दिखता, तो क्या कीचड़ इस पैटर्न में उस पर गिरता?"
पेपर में: मॉडल यह अनुमान लगाकर साफ छवि (clean image) को सीखता है, "यदि मैं इस साफ छवि को गणितीय रूप से 'कीचड़युक्त' बना दूँ, तो क्या यह उस शोर युक्त छवि जैसा दिखेगा जो मुझे दी गई है?" यह सुनिश्चित करता है कि समाधान वास्तविक डेटा के प्रति वफादार हो, न कि केवल एक रैंडम अनुमान।

2. "अनबैलेंस्ड" लचीलापन (The "Unbalanced" Flexibility - इलास्टिक बैंड)

यह मुख्य नवाचार है। स्टैंडर्ड ऑप्टिमल ट्रांसपोर्ट दो बिंदुओं के बीच कसकर खींचे गए रबर बैंड की तरह है। यदि बिंदु हिलते हैं, तो बैंड खिंच जाता या टूट जाता है।

UOTIP एक विशेष प्रकार के इलास्टिक बैंड (Unbalanced Optimal Transport) का उपयोग करता है।
लाभ:
- शोर को संभालना: यदि आपके पास एक कीचड़ वाला मोजा है जो बहुत गीला है और एक साफ मोजा है जो सूखा है, तो इलास्टिक बैंड बिना नियमों को तोड़े उन्हें जोड़ने के लिए खिंच सकता है। यह मॉडल को यह कहने की अनुमति देता है, "ठीक है, यह एक कीचड़ वाला नमूना दो साफ नमूनों के अनुरूप हो सकता है, या शायद एक का एक अंश मात्र हो सकता है।"
- असंतुलन को संभालना: यदि आपके पास 100 कीचड़ वाले मोजे और 50 साफ मोजे हैं, तो इलास्टिक बैंड उस अंतर को भरने के लिए खिंच सकता है। यह 1-से-1 का सटीक मिलान करने के लिए मजबूर नहीं करता है; यह सबसे अच्छा समग्र व्यवस्था ढूंढता है, भले ही संख्याएँ मेल न खाती हों।

3. "सेफ्टी नेट" (The "Safety Net" - क्वाड्रेटिक कॉस्ट)

पेपर एक सैद्धांतिक समस्या का उल्लेख करता है: कभी-कभी गणित "इल-पोज़्ड" (ill-posed) हो जाता है, जिसका अर्थ है कि अनंत गलत उत्तर हो सकते हैं जो सही लग सकते हैं।

समाधान: लेखक एक "सेफ्टी नेट" जोड़ते हैं जिसे क्वाड्रेटिक कॉस्ट (Quadratic Cost) कहा जाता है।
उपमा: कल्पना कीजिए कि आप एक अंधेरे कमरे में खोई हुई चाबी खोजने की कोशिश कर रहे हैं। "लाइक्लीहुड" नियम आपको बताता है कि चाबी कहाँ हो सकती है क्योंकि वह आवाज़ कर रही है। लेकिन यह आपको चक्करों में फंसा सकता है। "क्वाड्रेटिक कॉस्ट" एक हल्के चुंबकीय खिंचाव की तरह है जो आपको मूल स्थान से बहुत दूर जाने से रोकता है। यह सुनिश्चित करता है कि कंप्यूटर अनंत संभावनाओं में भ्रमित होने के बजाय एक अद्वितीय, स्थिर उत्तर खोजे।

उन्होंने क्या सिद्ध किया?

लेखकों ने इस "फ्लेक्सिबल मैचमेकर" का परीक्षण चार अलग-अलग प्रकार के इमेज रेस्टोरेशन कार्यों पर किया:

डीब्लरिंग (Removing Blur): धुंधली फोटो को स्पष्ट बनाना।
सुपर-रिज़ॉल्यूशन (Super-Resolution): एक छोटी, पिक्सेलेटेड छवि को बड़ा और स्पष्ट बनाना।
HDR पुनर्निर्माण (HDR Reconstruction): बहुत अधिक चमकीली या बहुत अंधेरी छवियों को ठीक करना।
नॉनलीनियर डीब्लरिंग (Nonlinear Deblurring): जटिल, अजीब विकृतियों को ठीक करना।

परिणाम:

बेहतर गुणवत्ता: UOTIP ने पिछले तरीकों (जैसे NOT, OTUR, और RCOT) की तुलना में अधिक स्पष्ट और शार्प छवियां बनाईं।
मजबूती (Robustness): इसने स्थितियों को संभाला जहाँ "कीचड़" (शोर) हर छवि के लिए अलग था (मल्टी-लेवल नॉइज़) बिना भ्रमित हुए।
अनुकूलन क्षमता (Adaptability): यह तब भी काम कर गया जब कीचड़ वाली छवियों की संख्या साफ छवियों से मेल नहीं खा रही थी (क्लास इम्बैलेंस)।

सारांश

UOTIP को एक नए, सुपर-स्मार्ट रेस्टोरेशन आर्टिस्ट के रूप में सोचें।

पुराने कलाकार सीखने के लिए "पहले" और "बाद" की एक परफेक्ट फोटो की आवश्यकता रखते थे। यदि स्थितियाँ बदल जाती थीं (अधिक कीचड़, कम कीचड़), तो वे विफल हो जाते थे।
UOTIP कीचड़ और साफ पेंट के बीच के संबंध को समझकर सीखता है। यह वास्तविक दुनिया के अस्त-व्यस्त डेटा को संभालने के लिए पर्याप्त लचीला है जहाँ संख्याएँ मेल नहीं खातीं और शोर बदलता रहता है, और यह भी गारंटी देता है कि यह एक सही, वास्तविक उत्तर खोजेगा।

पेपर का दावा है कि इस विशिष्ट "अनबैलेंस्ड" दृष्टिकोण को इन प्रकार की इमेज समस्याओं पर सफलतापूर्वक लागू करने वाला यह पहला मामला है, जिसके परिणामस्वरूप स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त हुआ है।

तकनीकी सारांश: UOTIP – अनपेयर्ड इनवर्स प्रॉब्लम्स के लिए अनबैलेंस्ड ऑप्टिमल ट्रांसपोर्ट मैप

समस्या विवरण
यह शोध पत्र अनपेयर्ड इमेज इनवर्स प्रॉब्लम्स (unpaired image inverse problems) को संबोधित करता है, जो एक चुनौतीपूर्ण स्थिति है जहाँ लक्ष्य एक अज्ञात स्वच्छ सिग्नल $x$ को शोर वाले मापन $y$ (जिसे $y = A(x) + n$ के रूप में मॉडल किया गया है) से पुन: प्राप्त करना है, लेकिन प्रशिक्षण डेटा स्वतंत्र, गैर-युग्मित (non-paired) शोर वाले मापन और स्वच्छ लक्ष्य संकेतों के सेट से बना होता है। पारंपरिक पर्यवेक्षित (supervised) विधियों के लिए युग्मित $(y, x)$ डेटा की आवश्यकता होती है, जो अक्सर वास्तविक दुनिया के परिदृश्यों में उपलब्ध नहीं होता है। हालांकि जनरेटिव मॉडल और ऑप्टिमल ट्रांसपोर्ट (OT) आधारित विधियों का प्रस्ताव दिया गया है, मानक OT फॉर्मुलेशन सख्त मार्जिनल मैचिंग बाधाओं ( $T_\#\mu = \nu$ ) को लागू करता है, जो आउटलेर्स (outliers), डेटासेट्स के बीच क्लास असंतुलन, या बदलते शोर स्तरों के मामले में नाजुक हो सकता है। इसके अलावा, इनवर्स प्रॉब्लम्स अक्सर इल-पोज़्ड (ill-posed) होती हैं, जिसका अर्थ है कि $y \to x$ मैपिंग का एक अद्वितीय समाधान नहीं हो सकता है, जिससे एक नियत (deterministic) ट्रांसपोर्ट मैप को सीखना जटिल हो जाता है।

कार्यप्रणाली (Methodology)
लेखक UOTIP (Unbalanced Optimal Transport Map for Inverse Problems) का प्रस्ताव करते हैं, जो एक नवीन सॉल्वर है जो पुनर्निर्माण कार्य को शोर वाले मापन के वितरण ( $\mu$ ) से स्वच्छ संकेतों के वितरण ( $\nu$ ) तक एक अनबैलेंस्ड ऑप्टिमल ट्रांसपोर्ट (UOT) मैप सीखने के रूप में तैयार करता है।

UOT फॉर्मुलेशन: मानक OT के विपरीत, UOT मार्जिनल्स पर $f$ -डाइवर्जेंस दंड ( $D_{\Psi_1}, D_{\Psi_2}$ ) पेश करके सटीक मार्जिनल मैचिंग बाधा को शिथिल (relax) करता है। यह ट्रांसपोर्ट प्लान को स्रोत और लक्ष्य वितरणों के बीच द्रव्यमान (mass) के विचलन को संभालने की अनुमति देता है, जिससे आउटलेर्स और क्लास असंतुलन के प्रति मजबूती मिलती है।
लाइकलीहुड-आधारित कॉस्ट फंक्शन: ट्रांसपोर्ट मैप को मैक्सिमम अ पोस्टीरियर (MAP) अनुमान के साथ संरेखित करने के लिए, लेखक एक लाइकलीहुड कॉस्ट फंक्शन पेश करते हैं:
$c_l(y, x) = \|A(x) - y\|_2^2$
गौसियन शोर धारणाओं के तहत, यह नेगेटिव लॉग-लाइकलीहुड के समानुपाती है। इस लागत को कम करने से डेटा फिडेलिटी (data fidelity) सुनिश्चित होती है (पुनर्निर्मित सिग्नल वास्तविक मापन उत्पन्न करता है)।
वेल-पोज़्डनेस के लिए क्वाड्रेटिक रेगुलराइजेशन: उन इनवर्स प्रॉब्लम्स की प्रकृति को संबोधित करने के लिए (जहाँ केवल लाइकलीहुड कॉस्ट 'ट्विस्ट कंडीशन' का उल्लंघन कर सकती है जो OT मैप के अस्तित्व और विशिष्टता के लिए आवश्यक है), लेखक एक क्वाड्रेटिक कॉस्ट टर्म शामिल करते हैं:
$c_q(y, x) = \|y - x\|_2^2$
कुल लागत एक भारित योग है: $c(y, x) = \tau(c_l(y, x) + c_q(y, x))$ । सैद्धांतिक रूप से, लेखक सिद्ध करते हैं कि इस क्वाड्रेटिक टर्म को जोड़ने से समग्र लागत 'ट्विस्ट कंडीशन' को संतुष्ट करती है, जिससे इल-पोज़्ड समस्याओं (जैसे डिब्लरिंग) के लिए भी ट्रांसपोर्ट मैप का अस्तित्व और विशिष्टता सुनिश्चित होती है।
न्यूरल कार्यान्वयन: मॉडल UOT के सेमी-डुअल फॉर्मुलेशन का उपयोग करके ट्रांसपोर्ट मैप $T_\theta$ और एक पोटेंशियल फंक्शन $v_\phi$ को सीखता है। लर्निंग ऑब्जेक्टिव दंड कार्यों के कॉनवेक्स कंजुगेट्स से प्राप्त लॉस को कम करता है, जो प्रभावी रूप से एक ग्लोबल, अनपेयर्ड MAP एस्टिमेटर के रूप में कार्य करता है।

प्रमुख योगदान

प्रथम UOT-आधारित अनपेयर्ड सॉल्वर: यह शोध पत्र अनबैलेंस्ड ऑप्टिमल ट्रांसपोर्ट पर आधारित अनपेयर्ड इनवर्स प्रॉब्लम्स के लिए पहला मॉडल प्रस्तुत करता है, जो विशेष रूप से एक लाइकलीहुड-आधारित कॉस्ट फंक्शन को एकीकृत करता है।
सैद्धांतिक गारंटी: लेखक यह सैद्धांतिक प्रमाण प्रदान करते हैं कि क्वाड्रेटिक कॉस्ट टर्म को शामिल करने से ट्विस्ट कंडीशन को संतुष्ट करके इल-पोज़्ड इनवर्स प्रॉब्लम्स के लिए ट्रांसपोर्ट मैप का अस्तित्व और विशिष्टता सुनिश्चित होती है।
वास्तविक दुनिया के प्रतिबंधों के प्रति मजबूती: मार्जिनल बाधाओं को शिथिल करके, मॉडल निम्नलिखित के प्रति अंतर्निहित मजबूती प्रदर्शित करता है:
- मल्टी-लेवल ऑब्जर्वेशन नॉइज़: उन परिदृश्यों को संभालना जहाँ नमूनों में शोर का स्तर भिन्न होता है।
- क्लास असंतुलन: उन स्थितियों के अनुकूल होना जहाँ स्रोत और लक्ष्य डेटासेट्स में विभिन्न वर्गों के अनुपात अलग-अलग होते हैं (जैसे, अलग-अलग मोड्स)।
- विविध शोर प्रकार: गौसियन-आधारित लाइकलीहुड कॉस्ट के साथ प्रशिक्षित होने के बावजूद गैर-गौसियन शोर वितरण (Laplace, Poisson) के लिए सामान्यीकरण करना।
स्टेट-ऑफ-द-आर्ट प्रदर्शन: मॉडल लीनियर (Gaussian deblurring, Super-resolution) और नॉनलीनियर (HDR reconstruction, Nonlinear deblurness) इनवर्स प्रॉब्लम बेंचमार्क पर उत्कृष्ट प्रदर्शन करता है।

प्रायोगिक परिणाम
लेखकों ने चार कार्यों के लिए FFHQ और AFHQ डेटासेट्स पर UOTIP का मूल्यांकन किया।

मात्रात्मक प्रदर्शन: UOTIP ने सभी कार्यों और डेटासेट्स में PSNR, SSIM और FID में लगातार सर्वश्रेष्ठ या दूसरा सर्वश्रेष्ठ स्कोर प्राप्त किया, जिसने NOT (Neural OT), OTUR (GAN-based OT), और RCOT जैसे मौजूदा बेसलाइन्स को पछाड़ दिया।
मल्टी-लेवल नॉइज़: मिश्रित शोर स्तरों ( $\sigma_y \in \{0.025, 0.05, 0.1, 0.2\}$ ) के साथ प्रयोगों में, UOTIP ने मानक OT वेरिएंट और अन्य बेसलाइन्स की तुलना में काफी बेहतर प्रदर्शन किया, जिससे पता चलता है कि अनबैलेंस्ड फॉर्मुलेशन विषम शोर वितरणों को प्रभावी ढंग से संभालता है।
क्लास असंतुलन: जब स्रोत और लक्ष्य वितरणों में असंतुलित क्लास अनुपात (जैसे, बिल्ली बनाम कुत्ते की छवियां) थे, तब UOTIP ने बेसलाइन्स की तुलना में बेहतर प्रदर्शन बनाए रखा, जो असंतुलन बढ़ने पर खराब हो जाते हैं।
एब्लेशन स्टडीज: लाइकलीहुड कॉस्ट को हटाने पर (केवल क्वाड्रेटिक कॉस्ट का उपयोग करके) भी प्रतिस्पर्धी परिणाम मिले, जो ब्लाइंड सॉल्वर के रूप में इसकी उपयोगिता का सुझाव देते हैं। हालांकि, पूर्ण मॉडल (लाइकलीहुड + क्वाड्रेटिक) ने सर्वोत्तम समग्र प्रदर्शन प्राप्त किया। अध्ययन ने यह भी दिखाया कि मॉडल गौसियन लाइकलीहुड कॉस्ट के साथ प्रशिक्षित होने के बावजूद Laplace और Poisson शोर प्रकारों के लिए सामान्यीकरण करता है।

महत्व और दावे
शोध पत्र का दावा है कि UOTIP ऑप्टिमल ट्रांसपोर्ट थ्योरी और व्यावहारिक इनवर्स प्रॉब्लम सॉल्विंग के बीच की खाई को पाटकर अनपेयर्ड इनवर्स प्रॉब्लम्स के लिए एक महत्वपूर्ण प्रगति प्रदान करता है। इसका महत्व निम्नलिखित में निहित है:

सख्त बाधाओं को शिथिल करना: मार्जिनल मैचिंग को शिथिल करने की UOT फ्रेमवर्क की क्षमता सॉल्वर को वास्तविक दुनिया के डेटा के अनुकूल बनाती है जहाँ सख्त संरेखण (alignment) दुर्लभ है।
सैद्धांतिक सुदृढ़ता: यह कार्य न्यूरल ट्रांसपोर्ट मैप्स के माध्यम से इल-पोज़्ड इनवर्स प्रॉब्लम्स को हल करने के लिए एक कठोर सैद्धांतिक आधार प्रदान करता है, जो ट्विस्ट कंडीशन के माध्यम से समाधान की विशिष्टता सुनिश्चित करता है।
व्यावहारिक मजबूती: मल्टी-लेवल शोर और क्लास असंतुलन को बिना रिट्रेनिंग या जटिल आर्किटेक्चरल परिवर्तनों के संभालने की क्षमता इसे परिवर्तनशील और अपूर्ण डेटा स्थितियों वाले वास्तविक अनुप्रयोगों के लिए विशेष रूप से प्रभावी बनाती है।

लेखक एक सीमा नोट करते हैं: विधि वर्तमान में फिक्स्ड-फॉर्म कॉस्ट फंक्शन्स पर निर्भर करती है जिसमें कॉस्ट को प्रशिक्षित करने की क्षमता नहीं है, हालांकि गौसियन-आधारित लाइकलीहुड ने अन्य शोर प्रकारों के लिए आशाजनक सामान्यीकरण दिखाया है।