Posterior Continuation with Noise-Conditioned Frequency Exposure for Diffusion Inverse Problems

Resumo Técnico: Continuação Posterior com Exposição de Frequência Condicionada ao Ruído para Problemas Inversos de Difusão

Enunciado do Problema
A amostragem de posterior de difusão aborda problemas inversos combinando priors de difusão pré-treinados com orientação de consistência de medição. No entanto, os métodos atuais livres de treinamento (training-free) frequentemente falham sob degradações severas (ex: desfoque de movimento forte, subamostragem pesada) ou operadores mal condicionados. A limitação central identificada é que os samplers atuais injetam informações de medição uniformemente em todas as frequências e níveis de ruído, ignorando a confiabilidade dependente do ruído dos componentes do sinal. Em níveis de ruído elevados, as estimativas limpas derivadas do modelo de difusão contêm erros induzidos pelo score. Quando os gradientes de verossimilhança de banda total são computados a partir dessas estimativas imprecisas, eles podem estar desalinhados com a geometria posterior local, causando deriva estrutural e artefatos (ex: anéis de oscilação/ringing, lavagem de textura). Por outro lado, estruturas de baixa frequência permanecem relativamente estáveis mesmo em altos níveis de ruído.

Metodologia
Os autores propõem um Framework de Continuação de Posterior baseado em Exposição de Frequência Condicionada ao Ruído. O princípio central é que as frequências de medição devem ser expostas de acordo com o nível de ruído instantâneo da difusão, em vez de seguir um cronograma fixo baseado nos índices de passo do solver.

O framework opera através de três estágios principais em cada nível de ruído $\sigma_i$ na trajetória de tempo reversa:

1. Predição de Difusão: Um solver de difusão pré-treinado primeiro estima uma imagem limpa $\hat{x}_{0,i}$ a partir da amostra ruidosa $x_{\tau_i}$.
2. Refinamento de Verossimilhança com Limitação de Frequência Condicionada ao Ruído: Em vez de impor consistência de banda total imediatamente, o método constrói um posterior intermediário que enfatiza bandas de frequência confiáveis no nível de ruído atual.
   • Uma máscara de frequência $M_{\omega_i}$ é aplicada no domínio de Fourier, onde o raio de corte $\omega_i$ expande conforme o nível de ruído $\sigma_i$ diminui.
   • Um objetivo de medição misto $L_i$ interpola entre a consistência de banda limitada (enfatizando baixas frequências confiáveis) e a consistência de banda total.
   • A dinâmica de Langevin é usada para refinar a estimativa $\hat{x}_{0,i}$ sob esta verossimilhança de frequência limitada, produzindo uma estimativa refinada $x^{ref}_{0,i}$. Isso evita que erros de score de alta frequência corrompam a atualização em altos níveis de ruído.
3. Comprometimento no Domínio Haar Pós-Refinamento: Para abordar o problema de que as verossimilhanças de banda limitada deixam os coeficientes de detalhes de alta frequência fracamente restringidos (potencialmente levando a artefatos dependentes do operador), uma regra de comprometimento é aplicada após o refinamento.
   • A imagem estimada e a imagem refinada são transformadas no domínio da wavelet de Haar.
   • Correções grosseiras (coeficientes Haar de baixa passagem) são comprometidas imediatamente ($w_{i,c}=1$).
   • Detalhes refinados (coeficientes Haar de alta passagem) são controlados por um cronograma $w_{i,d}$ que se sincroniza com a exposição de frequência. Os detalhes só são adotados conforme as frequências de medição correspondentes são "expostas" (ou seja, conforme $\sigma_i$ diminui e $\omega_i$ aumenta).
   • A estimativa fundida é então re-ruidificada para prosseguir para o próximo passo na trajetória.

Principais Contribuições

1. Visão de Continuação de Posterior: O artigo introduz um framework onde a largura de banda da medição é acoplada ao nível de ruído instantâneo da difusão, criando um cronograma de exposição independente do solver. Isso contrasta com métodos anteriores de consciência de frequência que dependem de índices de passo discretos.
2. Caracterização Teórica: Os autores fornecem uma análise teórica mostrando como erros induzidos pelo score em estimativas limpas levam a desalinhamentos de gradiente de verossimilhança que escalam com os níveis de ruído. Eles demonstram que a truncagem de frequência remove efetivamente a contribuição das bandas de alta frequência não expostas para este desalinhamento.
3. Sampler Prático Livre de Treinamento: Uma implementação concreta combinando predição de difusão, refinamento de verossimilhança com limitação de frequência e uma regra de comprometimento de domínio Haar. Este design garante que estruturas grosseiras sejam estabilizadas precocemente, enquanto detalhes finos são adiados até que sejam identificáveis de forma confiável.
4. Desempenho Empírico: O método alcança desempenho competitivo ou superior ao estado da arte em tarefas de super-resolução, inpainting e desfoque (deblurring) no FFHQ e ImageNet. Notavelmente, alcança uma melhoria de até 5 dB de PSNR em desfoque de movimento comparado a bases fortes.

Resultados
Experimentos foram conduzidos em quatro problemas inversos lineares: super-resolução de 4×, desfoque de movimento (motion deblurring), desfoque gaussiano e inpainting aleatório.

• Quantitativo: O método proposto ("Ours") supera consistentemente os modelos de base (incluindo DPS, DDNM, DDRM, FGPS e DCDP) em PSNR, SSIM e LPIPS. Os ganhos são mais significativos em operadores mal condicionados como o desfoque de movimento (ex: 36.69 PSNR vs. 29.66 para DAPS no FFHQ).
• Qualitativo: Comparações visuais mostram melhor preservação da estrutura global e identidade do objeto, com texturas locais mais nítidas e supressão de artefatos de anelamento (ringing) em comparação com métodos que aplicam orientação de banda total precocemente.
• Estudos de Ablação: Remover a continuação de frequência leva a deriva e artefatos em alto ruído. Remover o passo de comprometimento de Haar degrada a qualidade dos detalhes, confirmando que ambos os componentes são necessários para uma amostragem de posterior estável.

Significância e Alegações
O artigo afirma que a instabilidade dos atuais amostradores de posterior de difusão não é meramente algorítmica, mas estrutural, surgindo de um desalinhamento entre níveis de ruído e a confiabilidade dos componentes de frequência. Ao desacoplar a exposição da informação de medição da contagem de passos específica do solver e vinculá-la à escala física do ruído, o método fornece uma maneira fundamentada de navegar pela geometria do posterior. A significância reside em demonstrar que a exposição de frequência condicionada ao ruído e o comprometimento de detalhes sincronizado pelo cronograma são essenciais para recuperar detalhes finos sem introduzir artefatos em problemas inversos desafiadores. O trabalho oferece uma solução livre de treinamento que melhora a robustez através de diversos tipos de degradação sem exigir retreinamento específico para a tarefa.