Resumo Técnico: Geração Contrafactual Desviciada via Correspondência de Fluxo a partir de Observações

Formulação do Problema

O problema central abordado é a estimativa das distribuições de resultados contrafactuais, denotadas por $P_{Y(a)}$, sob uma intervenção hipotética em uma variável binária $A$ (por exemplo, atribuição de tratamento), dados apenas dados observacionais confusos $(X, A, Y)$. Esta tarefa é crítica para a avaliação de risco de tratamento e modelagem generativa, onde se deseja gerar amostras com um atributo específico $A=a$ enquanto se remove correlações espúrias com variáveis de perturbação $X$.

Abordagens existentes tipicamente modelam a distribuição contrafactual $P_{Y(a)}$ como um alvo generativo autônomo, frequentemente utilizando técnicas de desviciamento semiparamétrico para treinar em dados observacionais. No entanto, esses métodos tratam a distribuição-alvo como não estruturada, ignorando a relação geométrica e estatística entre a distribuição condicional observacional $P_{Y|A=a}$ e o alvo $P_{Y(a)}$. Consequentemente, podem ter dificuldades com suporte incompatível, comportamento de cauda ou multimodalidade ao aprender do zero, particularmente em configurações de alta dimensão.

Metodologia: Fluxos de Desconfusão

Os autores propõem uma estratégia inovadora: em vez de aprender $P_{Y(a)}$ do zero, eles aprendem um "fluxo de desconfusão" $f_a$ que transporta a distribuição condicional observacional $P_{Y|A=a}$ para a distribuição contrafactual $P_{Y(a)}$. Isso é formulado como:
$$P_{Y(a)} = (f_a)_\# P_{Y|A=a}$$

Fundamentos Teóricos

A abordagem baseia-se em três similaridades estruturais chave entre $P_{Y(a)}$ e $P_{Y|A=a}$ sob suposições causais padrão (consistência, intercambiabilidade condicional e positividade):

1. Suporte e Comportamento de Cauda Idênticos: Sob a suposição de positividade, ambas as distribuições compartilham o mesmo suporte e classe de cauda. Isso permite que métodos baseados em fluxo evitem as limitações de má especificação comuns ao transportar de uma distribuição base fixa (por exemplo, Gaussiana) para um alvo com propriedades geométricas diferentes.
2. Proximidade Estatística: A distância de Variação Total (TV) entre a fonte e o alvo é limitada pela força da confusão. Sob confusão fraca ou suave, as distribuições são estatisticamente próximas, implicando que o mapa de transporte ótimo é próximo à identidade.
3. Preservação de Características: Características de $Y$ que são invariantes a confundidores $X$ (por exemplo, forma do objeto em imagens, enquanto a cor é o confundidor) compartilham a mesma distribuição em ambas $P_{Y|A=a}$ e $P_{Y(a)}$. Isso sugere que o problema de aprendizado é de edição estruturada, e não de geração completa.

Estimador: Correspondência de Fluxo Desviciada (DECFM)

Para estimar o fluxo $f_a$ a partir de dados observacionais, os autores empregam Correspondência de Fluxo (Flow Matching) (Lipman et al., 2023). O campo de velocidade $v_{\theta_a}$ é parametrizado por uma rede neural, e o fluxo é a solução no tempo-1 da EDO associada.

Um desafio crítico surge porque o funcional alvo para estimativa depende da distribuição de dados através do próprio modelo (via a distribuição base $P_{Y|A=a}$). Técnicas padrão de desviciamento semiparamétrico, que assumem que a função momento é fixa, são insuficientes. Os autores derivam uma correção de Função de Influência Eficiente (EIF) inovadora para lidar com essa dependência.

O estimador proposto, DecFM, utiliza um estimador desviciado de um passo:
$$\hat{m}(\theta_a) = \frac{1}{n} \sum_{i=1}^n \left( \hat{\mu}_{\theta_a}(A_i, X_i) + \hat{\phi}_{\theta_a, a}(X_i, A_i, Y_i) \right)$$
onde $\hat{\phi}_{\theta_a, a}$ é a EIF derivada. Este estimador alcança:

• Dupla Robustez: A consistência é mantida se o modelo de escore de propensão $\hat{\pi}_a$ ou o modelo de resultado condicional $\hat{P}_{Y|A,X}$ for consistente.
• Eficiência Semiparamétrica: O estimador atinge o limite de eficiência sob condições de regularidade padrão.
• Tratamento de Processos-V: Os autores estendem as provas de eficiência existentes para lidar com os processos-V decorrentes do uso de medidas empíricas para a distribuição base.

Extensão para Alta Dimensão (Acoplamento OT)

Em espaços de alta dimensão, o acoplamento independente padrão usado na correspondência de fluxo pode não produzir o caminho de transporte mais eficiente. Os autores estendem o método para alinhar fluxos de Transporte Ótimo (OT) substituindo o acoplamento independente por um acoplamento OT entrópico (calculado via algoritmo de Sinkhorn) entre as distribuições base e alvo. Isso resulta em fluxos de "energia mínima" com trajetórias mais retas, que são mais fáceis de aprender e mais robustos a restrições de capacidade do modelo.

Contribuições Principais

1. Caracterização Estrutural: O artigo caracteriza formalmente o suporte compartilhado, o comportamento de cauda e a invariância de características entre distribuições observacionais e contrafactuais, motivando o uso de fluxos de desconfusão.
2. Estimador Desviciado (DecFM): Um novo estimador de correspondência de fluxo baseado em uma correção EIF inovadora que leva em conta a dependência do alvo na distribuição base estimada. O método é provado ser duplamente robusto e semiparametricamente eficiente.
3. Extensão OT: Uma extensão para alinhar fluxos OT de energia mínima em alta dimensão, oferecendo um alvo geométrico mais simples para o algoritmo de aprendizado.
4. Validação Empírica: Desempenho superior demonstrado sobre estimadores desviciados state-of-the-art existentes (incluindo DoubleGen, TSE e INFs) em benchmarks sintéticos e conjuntos de dados causais do mundo real (ACIC, TWINS, 401k).

Resultados Experimentais

O método foi avaliado em:

• Resultados Sintéticos 1D/2D: O DecFM superou significativamente a correspondência de fluxo com base Gaussiana em cenários com caudas pesadas e suporte dividido, onde métodos padrão falham devido a incompatibilidade de suporte.
• Benchmarks Causais: Nos conjuntos de dados ACIC, TWINS e 401k com várias geometrias de resultado (Gaussiana, Suporte Dividido, Caudas Pesadas), o DecFM alcançou o menor erro Wasserstein-1 em média.
• Geração de Imagens (ColorMNIST & CelebA):
  • ColorMNIST: Em uma tarefa controlada onde a classe do dígito ($A$) estava confundida com a cor do primeiro plano ($X$), o DecFM reequilibrou com sucesso a distribuição de cores enquanto preservava a estrutura do dígito, superando as bases baseadas em Gaussiana.
  • CelebA: Em uma tarefa de alta dimensão reequilibrando a cor do cabelo ($X$) entre os sexos ($A$), o DecFM produziu imagens de alta qualidade com distribuições de cor do cabelo corrigidas enquanto preservava o conteúdo semântico (identidade facial, pose), demonstrando que o fluxo aprende edições estruturadas em vez de sintetizar imagens a partir de ruído.

Significado e Alegações

O artigo afirma que, ao aproveitar a proximidade geométrica entre distribuições observacionais e contrafactuais, os fluxos de desconfusão oferecem uma alternativa mais eficiente e robusta à modelagem generativa "do zero". Os autores argumentam que essa abordagem mitiga modos de falha conhecidos de métodos baseados em fluxo (como dificuldade em adaptar-se ao comportamento de cauda ou suporte desconectado) e fornece uma maneira principiante de remover correlações espúrias em modelos generativos.

O significado reside na combinação da teoria de identificação causal com modelagem generativa moderna (correspondência de fluxo) para criar um método que é tanto estatisticamente eficiente (duplamente robusto) quanto praticamente eficaz para tarefas de alta dimensão como geração de imagens. Os autores observam que, embora o método herde limitações padrão da inferência causal (por exemplo, dependência de suposições de confundimento não observado), ele fornece um framework prático para desviciar modelos generativos em configurações onde a distribuição-alvo é estruturalmente semelhante aos dados observados.