技術要約: PRISM — シュレーディンガー・ブリッジ・モデルのための原理的な参照識別

1. 問題提起

シュレーディンガー・ブリッジ（SB）モデルは、劣化させた観測からクリーンな信号を復元するために、参照プロセスの条件付きブリッジに沿ってサンプルを輸送することを学習する。理論的枠組みは確立されているものの、参照プロセス（具体的にはそのノイズスペクトルと時間スケジュール）の設計は、依然として大部分がヒューリスティックな手法に依存している。実際には、参照としてホワイトノイズが選ばれ、手動で調整されたスカラー・スケジュールが用いられることが多い。本論文は、決定的なギャップを特定する。すなわち、拡散モデル（Diffusion models）のスケジュールが理論に基づいているのに対し、ブリッジモデルにおける参照スペクトルの選択には原理的な導出が欠けているという点である。参照スペクトルが重要であるのか、どのように選ぶべきなのか、そしてどのような条件下で性能に影響を与えるのかは、未だ明確ではない。

2. 手法および理論的枠組み

著者らは、解可能な線形ガウス劣化モデルに基づいた参照設計の理論であるPRISM（Principled Reference Identification for Schrödinger Bridge Models）を開発した。分析は以下の理論的段階を経て進められる。

2.1 実行可能性の条件

本論文はまず、SB学習に必要な条件付きブリッジ（具体的には、ピン留めされた周辺分布および逆方向の部分ブリッジ・カーネル）に対して、厳密かつ閉形式の解を許容する時変ガウス参照がどのようなものであるかを特徴づけている。

• 定理1: 参照が厳密に計算可能であり、独立したスカラーモードへとデカップリングされるための必要十分条件は、その瞬時共分散行列が互いに可換であること（すなわち、同時対角化可能であること）である。これにより、問題は独立したスカラスケール・モードへと還元でき、各モードが独自のノイズ・スケジュールを持つことが可能となる。

2.2 不可視性の原理（Invisibility Principle）

著者らは、理想的な条件下（正確なドリフトと無限のソルバー・ステップ数）におけるブリッジの挙動を分析している。

• 定理2（不可視性の原理）: 正確なドリフトを伴う無限のソルバー・ステップ数（$T \to \infty$）の極限において、終端分布は任意の参照分散 $v > 0$ に対して真の事後分布に収束する。このとき、参照は「不可視」となる。
• 示唆: 理想的な極限においては、参照の選択は無関係である。参照が重要となるのは、計算リソース（有限のソルバー・ステップ数）またはモデルの精度が制約される場合のみである。境界 $v=0$ において、サンプラーは決定論的なウィーナー回帰へと崩壊し、真の事後分布とのKLダイバージェンスが無限大となる。

2.3 有限ステップ理論

有限の計算予算に対処するため、著者らは正確な $T$ ステップ終端則と、それに伴うKLダイバージェンスを導出している。

• 比例関係: 1モードあたりのKLダイバージェンスは、参照分散 $v_k$ と事後分布の不確実性スペクトル $P_k$（破壊された情報のスペクトル）を通じて、無次元比 $x_k = v_k / P_k$ のみに依存する。
• 最適スペクトル: 固定されたステップ予算 $T$ に対して、グローバルな最適解は破壊された情報のスペクトルに比例する：$v^*_k = x^*(T) P_k$。
• 定数 $x^*(T)$: 最適なスケーリング係数は、閉形式として $x^*(T) \approx (2 \ln T)^{-1/2}$ と導出される。これは、最適な参照が破壊された情報のわずかな一部を注入することを示しており、その割合はステップ予算が増加するにつれて緩やかに減少することを意味する。
• $z$-恒等式: 正規化された条件付きMMSEレベル $z(\rho)$ への変数変換により、「カラー（スペクトル）」と「スケジュール（時間的割り当て）」は交換可能であることが明らかになる。モードごとのスケジュール適応の下では、離散化誤差はカラーに対して中立（color-blind）である。観察されるカラーの効果は、学習されたドリフト誤差または有限のデータに由来するものである。

2.4 モデル誤差と学習

理論は、ゲイン誤差およびバイアスを持つ学習されたアフィン・ドリフトへと拡張される。

• カラー中立性（Color-Blindness）: 固定された $z$-スケジュールの下では、学習者がスケール等変（scale-equivariant）である限り、終端則はドリフト誤差に対してカラー中立性を維持する。
• リッジ・ホワイトニング: 本論文は、共有された正則化（例：リッジ罰則やウェイト減衰）がスケール対称性を打破することを特定している。これにより、最適な参照が厳密な比例関係（$v \propto P$）から逸脱し、ホワイトノイズへと向かう。具体的には、観測が弱い周波数において、収縮（shrinkage）に対抗するために、不釣り合いに多くの参照ノイズが必要となり、結果として最適な参照が「ホワイトニング」される。

3. 主な貢献

1. 実行可能性定理: 閉形式のブリッジを許容する演算子値参照の特性を明らかにし、瞬時共分散が可換であることを要求する。
2. 不可視性の原理: 無限ステップ・正確なドリフトの極限において参照が無関係であることを証明し、参照設計の選択がリソース制約によってのみ駆動されることを確立した。
3. 有限ステップ目的関数: 正確な $T$ ステップ目的関数を導出し、最適なノイズスペクトルが、特定の計算可能な定数を持つ破壊された情報スペクトル $P_k$ に比例することを証明した。
4. カラーとスケジュールの交換可能性: $z$-恒等式を通じて、ノイズのカラーと時間的スケジューリングが、最適なスケジューリングの下で交換可能であることを示し、設計の負担をスケジュールまたはモデル誤差の処理へと転換した。
5. 現実世界の逸脱メカニズム: 実世界の画像において、ホワイトノイズがマッチした参照よりも優れた性能を示す（理論の反転）原因が、モード間の結合ではなく、非ガウス的なモード統計にあることを特定した。

4. 実験結果

著者らは、合成データおよび実データを用いた数値実験と学習を通じて、理論を検証している。

• ガウス設定: 数値評価により、予測された順序付けと閉形式の損失フロアが確認された。測定された最適なノイズレベルは $(2 \ln T)^{-1/2}$ の法則に従っている。学習されたガウス予測器は、最小限の超過損失で理論的なベイズ・フロアに到達した。
• FFHQ復元 (64x64):
  • 歪度・知覚トレードオフ: 理論は、アンチマッチド（センサーが盲目な箇所で分散を抑制する）な参照が、最高の歪度（PSPF/SSIM）をもたらすが、最悪の知覚（FID/LPIPS）をもたらすことを予測している。実験はこのトレードオフを正確に裏付けた。
  • スペクトル局在化: 誤差の違いは、予測通りMTFカットオフ付近に集中している。
  • 理論の反転: ガウス理論とは異照なり、実画像においてはホワイトノイズがマッチした参照（$v \propto P$）よりも知覚的指標において優れている。
  • リッジ・ホワイトニングの否定: 「収束した」学習レジーム（ステップ数の増加、ドロップアウトの排除）を用いた事前登録研究により、ホワイトノイズの優位性がリッジ・ホワイトニングによるものであるという仮説は否定された。ホワイトとマッチした参照の差は、最適化が進むにつれてむしろ拡大した。
• メカニズム研究: 2×2のスタディにより、反転の原因を分離した。同じスペクトルを持ちつつも高次構造を持たないガウスデータで学習した場合、マッチした参照が再び優位性を取り戻した。これにより、実画像におけるパーモード理論の失敗は、モード間の結合ではなく、非ガウス的なパーモード統計に起因することが確認された。

5. 重要性と主張

本論文は、参照設計をハイパーパラメータのスイープから、ガウス領域内での計算へと変革することを主張している。

• 理論的転換: 参照は単なる実装上の細部ではなく、有限のリソース下における決定的な設計変数であり、数学的に導出可能な最適設計が存在することを確立した。
• 実践的なレシピ: 現実世界のアプリケーションに対して、著者らは予算に応じたレシピを提案している。数ステップのレジームでは緩やかな $P_k$ カラーリングを使用すべきだが、それ以外ではデフォルトでホワイトノイズを用い、常に $z$-最適スケジュールを採用すべきである。
• 限界: 本論文は、正確な比例法則がガウス条件付きモードにおいて厳密に成り立つことを控えめに認めている。実画像における偏差は非ガウス統計に起因するとされており、ガウス近似を超えた理論の拡張が主要な今後の研究方向であることを示唆している。本論文は非ガウスケースを解決すると主張するのではなく、ガウス的理想化がまさにどこで崩れるのかを特定している。