$γ$-Bridge: A Look-Parametric Diffusion Bridge

技術要約：$\gamma$-Bridge：ルック・パラメトリックな拡散ブリッジ

問題提起
乗法的ガンマノイズは、コヒーレントな撮像システム、特に合成開口レーダ（SAR）のデスペックリングにおいて固有の、信号依存的な劣化である。SARにおいて、強度画像 $Y$ は $Y = X \cdot N$ とモデル化される。ここで $X$ は基礎となる反射率、$N$ は平均1、分散 $1/L$ のガンマノイズである。パラメータ $L$ は「等価ルック数（equivalent number of looks）」として知られ、ノイズの強度を決定する。$L=1$ は低SNRのシングルルック複素（SLC）データを表し、$L$ の値が高くなるにつれて、平均化されたよりクリーンな観測に対応する。

既存の拡散ベースのデノイザーは、通常、物理的なルック数 $L$ ではなく、抽象的な信号対雑音比（SNR）のスケジュールを用いて順方向プロセスをパラメータ化している。その結果、これらのモデルは特定の訓練ノイズレベルに縛られ、推論時に入力（$L_{in}$）と出力（$L_{out}$）のノイズレベルを独立して制御することができない。さらに、実際のSARデータにはペアとなるクリーンなグラウンドトゥルースが存在しないため、合成データを用いた教師あり学習は、ヘテロジニアスな実世界のセンサに対してドメインギャップが生じやすい。現在の手法は、センサ固有のファインチューニングを必要とするか、あるいは汎用性の低い複雑な自己教師あり学習の仮定に依存している。

手法
著者らは、物理的なルック数 $L$ を拡散プロセスの時間軸として明示的にモデル化することで、ガンマ汚染された画像の復元を設計した、ルック・パラメトリックな拡散ブリッジである $\gamma$-Bridgeを提案する。

1. ルック・パラメトリックな順方向ブリッジ:
   抽象的なノイズスケジュールではなく、順方向プロセスは、クリーンな極限（$L_{max}$）から観測されたノイズレベル（$L_{obs}$）へと接続する厳密に単調なルック・スケジュール $L(t)$ によって定義される。中間状態は、正確なガンマ周辺分布に従う：
   $$x_t = \frac{x_0}{L(t)} G_t, \quad G_t \sim \text{Gamma}(L(t), 1)$$
   これにより、すべての中間状態 $x_t$ が、基礎となる反射率 $x_0$ の物理的に妥当な $L(t)$-ルックSAR画像となることが保証される。

2. ガンマ–レヴィ分解と逆方向事後分布:
   独立なガンマ変数の加法性（レヴィ分解）に基づき、閉形式の逆方向事後分布 $q(x_{t-1} | x_t, x_0)$ を導出する。

• 確率的逆方向ステップ: 逆方向ステップは、クリーンな推定値 $\hat{x}_0$ でスケールされた独立なガンマ増分 $Y_{t \to t-1} \sim \text{Gamma}(L(t-1)-L(t), 1)$ を加えるプロセスを含む。
• 決定論的逆方向ステップ: 確率的ステップの期待値を取ることで、決定論的な更新ルールが導出される：$x_{t-1} = \alpha_t x_t + (1-\alpha_t)\hat{x}_0$。ここで $\alpha_t = L(t)/L(t-1)$ である。この形式は、現在のノイズを含んだ状態とネットワークによるクリーンな推定値との間のアフィン混合として機能する。

3. ネットワークアーキテクチャと訓練:

• 対数残差パラメータ化: ネットワーク $G_\theta$ は、対数領域における乗法的補正 $\hat{x}_0 = x_t \cdot \exp(\Delta_\theta)$ を予測する。これはガンマノイズの解析的形状と一致しており、出力の非負性を保証する。
• 訓練目的関数: モデルは、合成ガンマノイズ（$L_{obs}=1$）で汚染された自然画像を用いて訓練される。損失関数は以下の3つの項で構成される：
  • 再構成損失 ($\mathcal{L}_{rec}$): $\hat{x}_0$ とグラウンドトゥルースの間の $\ell_1$ 損失。
  • 放射計的モーメントマッチング ($\mathcal{L}_{ratio}$): 残差比 $x_{obs}/\hat{x}_0$ がターゲットとなるルック数に対して正しい平均と分散を持つことを強制する。
  • 2ステップ一貫性損失 ($\mathcal{L}_{cons}$): 逆方向連鎖の異なるステップにおける予測が互いに整合するように、軌跡レベルの正則化を行う。これにより、低SNR環境でのマルチステップ推論を安定させる。

4. 推論制御:
   訓練されたモデルは、実行時に2つの直交する制御をサポートする：

• スマート・スタート（入力制御）: 推定されたルック数 $\hat{L}_{in}$ を持つ入力に対し、常に $L_{obs}=1$ から開始するのではなく、対応するブリッジ状態 $t^*$（$L(t^*) \approx \hat{L}_{in}$ となる点）から逆方向連鎖を開始する。
• ターゲット-$L$ 出力制御: 逆方向連鎖を、任意の望ましい出力ルック数 $L_{out}$ に対応するステップ $t^*$ で終了させることができ、柔軟な復元品質を実現する。

主な貢献

• ルック・パラメトリックな拡散ブリッジ: 時間軸が物理的なルック数 $L$ である初の拡散フレームワークであり、すべてのステップで正確なガンマ周辺分布を提供し、拡散プロセスに直接的な物理的解釈を与える。
• 閉形式のガンマ–レヴィ事後分布: クリッピングやヒューリスティックな制約を必要とせずに、ガンマ構造を保持する、決定論的および確率的な逆方向遷移の導出。
• 直交制御によるゼロショット転送: 合成の $L_{obs}=1$ データのみで訓練された単一のモデルが、$(L_{in}, L_{out})$ ペアの全グリッドに対してゼロショット復元を実行できる。これは、均質パッチのルック推定器とスマート・スタート入力制御を組み合わせることで達成され、センサ固有のファインチューニングを不要にする。
• 分布的検証: 逆方向プロセス中の中間ガンマ周辺分布の忠実度を検証するために、ベータ結合比統計量を導入。

実験結果

• 合成ベンチマーク: 標準的なデータセット（Set12, McMaster, Kodak24）において、$\gamma$-Bridgeは様々なルック数（$L_{obs} \in \{1, 2, 4, 8\}$）に対して、リーディングまたは競争力のあるPSNRおよびSSIMスコアを達成している。特に、スパース事前分布を用いる手法よりも優れた性能を示す高テクスチャシーン（McMaster）において顕著である。
• 実SAR評価: 本モデルは、ファインチューニングなしで6つの宇宙・航空機センサ（Sentinel-1, TerraSAR-X, Gaofen-3, miniSAR, FARAD X/Ka-band）のデータでテストされた。
  • 宇宙用センサにおいて、$\gamma$-Bridgeは、等価ルック数（ENL）およびエッジ保存性（EPI）の観点で、最先端の手法（例：MONet, SAR2SAR）と同等またはそれ以上の結果を達成しつつ、放射計的忠実度（平均強度）を維持した。
  • 航空機用センサにおいては、性能は中位であり、一部のベースラインを上回ったものの、高周波構造やダークテール強度の影響により、特定のセンサでは他手法に及ばなかった。
• マルチステップ推論: 実験により、5ステップの決定論的逆方向プロセスが、1ステップのベースラインと比較して有意に性能を向上させる（+1.16 dB）ことが示された。ただし、過度なステップ数（25）は、訓練と推論のミスマッチによるわずかな過剰収縮（over-shrinkage）を引き起こす。
• アブレーション研究: 閉形式の事後分布、観測条件付け、一貫性損失、または対数線形スケジュールのいずれかを削除すると、大幅な性能低下が見られた。これは、安定したマルチステップ推論における各コンポーネントの必要性を裏付けている。

意義と主張
論文は、$\gamma$-Bridgeが、固定されたノイズスケジュールから復元プロセスを切り離すことで、ガンマ画像復元のための新しいパラダイムを確立すると主張している。その主な意義は、単一のモデルを用いて、多様なSARセンサおよびルック数にわたるゼロショット転送を可能にした点にある。ルック数を実行時の制御可能な変数として扱うことで、本手法は、従来のデノイザーには欠けている、物理的に解釈可能な入力および出力制御を提供する。著者らは、本手法が（高解像度の航空機シナリオに対して）完璧ではないものの（ドメインギャップのため）、クリーンなグラウンドトゥルースやセンサ固有の適応を必要とせずに、制御された合成訓練とヘテロジニアスな実世界への展開の架け橋となることに成功したと強調している。本研究は、非ガウス的な撮像問題に対する、物理的に根ざした制御可能な拡散モデルへの一歩として提示されている。