技術的概要：PFlow-T

問題提起

現在のトポロジー認識拡散モデルは、根本的なアーキテクチャの不一致に悩まされています。標準的なアプローチは、トポロジーを無視したガウスノイズ（順方向プロセス）でデータを汚染し、逆方向ネットワークにおける条件付きサイドチャネルを通じて構造的特徴の回復を試みます。このパラダイムにおいて、順方向プロセスはループや穴などのトポロジー特徴を無差別に破壊する一方、逆方向ネットワークは永続的ランドスケープやダイアグラムなどの外部トポロジー記述子に基づいてそれらを再構築する役割を担います。著者らは、このことが、ノイズモデルと戦いながら同時にトポロジー制約を満たさなければならない逆ノイズ器を生み出す対立的な力学を創出すると主張します。その結果、トポロジーが生成プロセスの内在的性質ではなく、側面的な制約として扱われる構造的な非効率性が生じます。

手法：PFlow-T

著者らは、順方向拡散プロセスをガウスノイズの注入ではなく、データの永続的ホモロジーによって完全に定義する生成モデルPFlow-Tを提案します。

1. 順方向プロセス：永続性駆動の簡略化

ランダムノイズの追加に代わり、順方向演算子は、フィルトレーションにおける死亡閾値と誕生閾値の差である永続性の厳密な昇順に従って、$H_1$ トポロジー特徴（ループ）を体系的に排除します。

• 時間パラメータ: 時間パラメータ $t \in [0, 1]$ は時計やノイズレベルを表すものではなく、破壊された総 $H_1$ 永続性質量の割合を測定します。
• メカニズム: 「永続性メルト」と呼ばれる演算子は、最も弱い（永続性が最も低い）ループの内部を最初に充填し、次に弱いループへと進み、すべてのループが充填され、$t=1$ で画像がトポロジー的に自明（$\beta_1 = 0$）になるまで続けます。
• 単調性: このプロセスは、$t$ の増加に伴うベッティ数 $\beta_1$ の単調減少を保証します。

2. 逆方向プロセス：直接 $x_0$ 予測

逆方向ネットワークは、この特定のトポロジー汚染を反転するように訓練されます。

• アーキテクチャ: 正弦波時間埋め込みを備えた小型の U-Net（約 60 万パラメータ）。
• 目的: このネットワークは、ノイズ（$\epsilon$）や前ステップ（$x_{t-1}$）を予測するのではなく、任意の中間状態 $x_t$ からクリーンな画像（$x_0$）を直接予測するように訓練されます。
• 推論: ネットワークが $x_0$ を直接予測するため、推論は単一ステップのプロセスです。所望のトポロジーを充填領域を通じて符号化する終端状態 $x_T$ が与えられれば、モデルは $f_\theta(x_T, t=1)$ を一度のパスでクリーンな画像 $\hat{x}_0$ として出力します。誤差蓄積を防ぐため、自身の出力に対してネットワークを反復させることは回避されます。

3. 条件付けメカニズム

条件付けは、終端状態 $x_T$ を構築することによって達成されます。特定のトポロジー（例：$\beta_1 = k$）を要求する場合、ユーザーは正確に $k$ 個の領域が充填された画像（「充填解除」されるループの内部を表す）を提供します。トポロジーは補助ベクトルとして供給されるのではなく、入力状態に組み込まれます。

主要な貢献

1. 新規順方向演算子: 作用と時間パラメータの両方が永続的ホモロジーから導出され、$\beta_1$ における単調性を保証する順方向演算子の定義。
2. 理論的位置付け: PFlow-T は、PDE ベースの生成モデルであるGenPhysファミリーの外に位置付けられます。その基盤は測度空間ではなくフィルタリングされた鎖複体であり、その時間パラメータは微分方程式を満たす時計ではなく、永続性閾値です。
3. 実証的パフォーマンス: 制御された MNIST ベンチマークにおいて、PFlow-T はパラメータを一致させたベースラインと比較して、トポロジー制御において著しく高い忠実度を示しました。
4. 明示的な範囲: 著者らは、順方向演算子が正確な Edelsbrunner–Harer ペア打ち消しのためのピクセル空間の代理（洪水充填）であり、実験は低解像度の MNIST 数字に限定されていることを明確にしています。

実験結果

モデルは、$\beta_1 \in \{0, 1, 2\}$ に対応する MNIST 数字 $\{0, 1, 8\}$ 上で評価されました。

分布内制御性

PFlow-T は、64 次元の永続的ランドスケープを条件付けとした DDPM ベースラインと比較されました。

• $\beta_1 = 0$（数字 1）: 両モデルは同様に性能を発揮しました（約 99.6% 対 96.4%）。
• $\beta_1 = 1$（数字 0）: PFlow-T は**96.0%の成功率を達成したのに対し、ベースラインはわずか3.2%**でした。
• $\beta_1 = 2$（数字 8）: PFlow-T は**84.8%の成功率を達成したのに対し、ベースラインは0.0%**でした（5 つのシードすべてで閉ループの生成に失敗）。
• 集計: $\beta_1 \ge 1$ を必要とするクラスにおいて、PFlow-T はベースラインを平均88.8 ポイント上回りました。

分布外（OOD）制御性

条件付けトポロジーが数字のクラス事前分布と矛盾するタスク（例：ソース数字が「1」であるのに「2 つの穴」というトポロジーを条件付ける）において、PFlow-T は**92.0%のケースで成功しましたが、ベースラインは9.7%**のみでした。これは、ベースラインがトポロジー制約を真に尊重するのではなく、クラス事前分布に依存していることを示唆しています。

失敗モード

主な失敗は $\beta_1 = 2$ で発生し、モデルは意図された 2 つのループをしばしば単一の領域（$\beta_1 = 1$）に統合してしまいます。著者らは、これをネットワークの現在の容量内で 2 つの独立した閉領域を維持することの複雑さの増大に起因すると帰属しています。

意義と主張

本論文は、PFlow-T が生成モデルの設計空間において構造的に異なる点を確立すると主張しています。すなわち、条件付けベースの生成に対する基盤ベースのトポロジー認識生成です。

• 帰納的バイアス: 順方向プロセスをトポロジー的とすることで、逆方向ネットワークはトポロジーを無視したノイズモデルと戦うのではなく、「穴について知っている」プロセスを反転することを学習します。これにより、トポロジー制御に対するより強力な帰納的バイアスが生まれます。
• 謙虚さ: 著者らは、トポロジー制御生成という広範な問題を解決しているわけではないと明確に述べています。彼らは以下の限界を認めています。
  • 順方向演算子は、忠実な永続モジュールの状態空間遷移ではなく、ピクセル空間の代理です。
  • 実験は 28x28 の MNIST 画像に限定されています。
  • 推論は現在、実テスト画像のループ構造を必要とする再構成的なものであり、完全な無条件ではありません。
• 結論: 重要性は特定のベンチマークスコアではなく、永続的ホモロジーを通じて順方向プロセスを定義することが、入力におけるトポロジー情報の豊かさが少ない場合でも、標準的な条件付けアプローチよりも実質的に高い忠実度でトポロジー要求を尊重するモデルを生み出すことを実証した点にあります。