Resumo Técnico: Decomposição Determinística de Dinâmicas Gerativas Estocásticas

Declaração do Problema

A modelagem gerativa moderna é cada vez mais vista através da lente do transporte de probabilidade, onde amostras evoluem de uma distribuição base simples $\pi_0$ para uma distribuição de dados alvo $\pi_1$. Existe uma distinção fundamental entre modelos determinísticos (por exemplo, Fluxos Normalizantes, Correspondência de Fluxo), que evoluem amostras via Equações Diferenciais Ordinárias (EDOs) governadas por um campo de velocidade, e modelos estocásticos (por exemplo, Modelos de Difusão), que evoluem amostras via Equações Diferenciais Estocásticas (EDEs) envolvendo tanto deriva quanto difusão.

Enquanto modelos determinísticos oferecem campos de velocidade tratáveis, modelos estocásticos capturam uma evolução de densidade mais rica. No entanto, quando dinâmicas estocásticas são reformuladas em representações determinísticas (como EDOs de fluxo de probabilidade), os mecanismos distintos de deriva (transporte direcional) e difusão (reconfiguração de densidade) são frequentemente comprimidos em um único campo de velocidade efetivo. Esse colapso obscurece os papéis específicos da evolução determinística versus a flutuação estocástica, tornando difícil analisar, controlar ou recombinar independentemente esses efeitos durante a amostragem. Abordagens existentes tipicamente tratam a estocasticidade como uma fonte de ruído externa ou a absorvem inteiramente em uma deriva unificada, falhando em fornecer uma representação determinística estruturada que separe o transporte dos efeitos induzidos pela difusão.

Metodologia: Decomposição Transporte–Osmótica

Os autores propõem um quadro teórico que decompõe o campo de velocidade determinístico de um processo gerativo estocástico em dois componentes distintos e complementares: um Campo de Transporte ($u_t$) e um Campo Osmótico ($d_t$).

1. Derivação Teórica

A decomposição surge da estrutura bidirecional intrínseca dos processos estocásticos. Para um caminho de densidade marginal dado $\{\pi_t\}_{t \in [0,1]}$, a deriva forward $b^\to_t$ e a deriva backward $b^\leftarrow_t$ são acopladas através da pontuação marginal $\nabla \log \pi_t$. Sob condições de regularidade canônicas, a relação é:
$$b^\to_t(x) - b^\leftarrow_t(x) = \beta \nabla \log \pi_t(x)$$
onde $\beta$ é o coeficiente de difusão.

Os autores definem a decomposição como:

• Campo de Transporte ($u_t$): O componente simétrico, definido como a média das derivas forward e backward:
  $$u_t(x) = \frac{1}{2} (b^\to_t(x) + b^\leftarrow_t(x))$$
  Este campo governa o transporte de probabilidade marginal via a equação da continuidade ($\partial_t \pi_t + \nabla \cdot (\pi_t u_t) = 0$). Ele representa a espinha dorsal determinística da dinâmica, movendo massa de probabilidade sem alterar a geometria da densidade local através da difusão.
• Campo Osmótico ($d_t$): O componente antissimétrico, definido como metade da diferença entre as derivas forward e backward:
  $$d_t(x) = \frac{1}{2} (b^\to_t(x) - b^\leftarrow_t(x)) = \frac{\beta}{2} \nabla \log \pi_t(x)$$
  Este campo é inteiramente determinado pela pontuação marginal. Ele captura efeitos dependentes da densidade induzidos pela difusão (análogos à velocidade osmótica na teoria clássica de difusão). Não representa aleatoriedade amostral, mas sim como a difusão reconfigura a densidade marginal.

A deriva forward original é reconstruída como $b^\to_t = u_t + d_t$.

2. Quadro de Correspondência de Ponte (Bridge Matching - BM)

Para aprender esses campos decompostos, os autores propõem a Correspondência de Ponte, um quadro de treinamento baseado em fluxo. Em vez de aprender uma única velocidade efetiva, o BM aprende duas redes neurais separadas: $u_\theta$ (transporte) e $d_\phi$ (osmótico).

O objetivo de treinamento é uma perda de regressão que iguala os campos aprendidos aos campos alvo:
$$\mathcal{L}_{BM} = \mathbb{E}_{t, x_t} \left[ \| u_\theta(x_t, t) - u^*(x_t, t) \|^2 + \lambda_d \| d_\phi(x_t, t) - d^*(x_t, t) \|^2 \right]$$

O artigo introduz duas formulações para construir os alvos $u^*$ e $d^*$:

• Correspondência de Ponte Marginal (MBM): Alvo diretamente na decomposição marginal. O alvo de transporte $u^*$ satisfaz a equação da continuidade para o caminho prescrito, e o alvo osmótico $d^*$ é derivado da pontuação marginal $\nabla \log \pi_t$. Isso requer estimar a pontuação marginal, frequentemente via Estimativa de Densidade por Kernel (KDE).
• Correspondência de Ponte Condicional (CBM): Usa uma distribuição condicional tratável $p_t(x|z)$ (por exemplo, uma interpolação Gaussiana entre pontos finais) para evitar a estimativa explícita da pontuação marginal. Os alvos são definidos condicionalmente: $d^*_t(x, z) = \frac{\beta_t}{2} \nabla_x \log p_t(x|z)$ e $u^*_t = v^*_t - d^*_t$. A expectativa sobre a variável de condicionamento $z$ recupera a decomposição marginal.

3. Amostragem e Recombinação

Uma característica chave do quadro é a capacidade de recombinar os campos aprendidos no momento da amostragem. As dinâmicas de amostragem forward são definidas como:
$$b^{BM}_t(x) = u_\theta(x, t) + \lambda_d d_\phi(x, t)$$
onde $\lambda_d$ é um peso ajustável. Isso permite amostragem controlável onde a contribuição do efeito osmótico induzido pela difusão pode ser ajustada independentemente da espinha dorsal de transporte.

Contribuições Principais

1. Decomposição Transporte–Osmótica: O artigo deriva uma decomposição formal de dinâmicas gerativas estocásticas, demonstrando que modelos determinísticos e estocásticos compartilham uma espinha dorsal comum de transporte marginal ($u_t$), mas diferem em como efeitos induzidos pela difusão ($d_t$) são integrados à dinâmica amostral.
2. Quadro de Correspondência de Ponte: Os autores propõem um quadro de treinamento que aprende esses campos decompostos usando formulações marginais e condicionais, conectando efetivamente informações baseadas em pontuação com objetivos de regressão estilo fluxo.
3. Amostragem Controlável e Interpretável: Resultados empíricos mostram que recombinar os componentes aprendidos com pesos variáveis ($\lambda_d$) permite controle interpretável sobre o processo de geração. Ajustar $\lambda_d$ permite trocar entre nitidez e suavidade em imagens geradas e melhora o casamento de pontos finais em tarefas específicas de transporte 2D.

Resultados Experimentais

Os autores avaliaram a Correspondência de Ponte em tarefas de transporte 2D (tabuleiro de xadrez, luas, misturas Gaussianas) e benchmarks de geração de imagens (CIFAR-10, ImageNet-32, ImageNet-64).

• Transporte 2D: Em tarefas 2D, variantes do BM alcançaram casamento de pontos finais competitivo comparado a baselines padrão de Correspondência de Fluxo (FM). O peso osmótico ótimo $\lambda_d$ foi encontrado ser dependente da tarefa; para alvos complexos e multimodais, aumentar a contribuição osmótica melhorou o casamento, enquanto para estruturas mais simples, poderia degradar o desempenho.
• Geração de Imagens: Em subconjuntos do CIFAR-10 e ImageNet, o modelo CBM alcançou qualidade de geração comparável ou superior à baseline CFM-Difusão. Crucialmente, o $\lambda_d$ ótimo variou entre métricas de avaliação (FID, KID, IS), sugerindo que a decomposição fornece um mecanismo para trocar diferentes aspectos da qualidade de geração. Notavelmente, o melhor desempenho nem sempre foi alcançado em $\lambda_d = 1$ (a reconstrução teórica), indicando que a recombinação no momento da amostragem oferece um grau de liberdade útil para modelos de capacidade finita.
• Visualização: Visualizações dos campos vetoriais confirmaram que $u_t$ impulsiona transporte coerente e de grande escala, enquanto $d_t$ exibe padrões estruturados e de menor escala responsáveis pela reconfiguração local da densidade. Simulações ao nível de partícula ilustraram como $d_t$ desloca trajetórias ao longo do caminho de probabilidade sem dominar a tendência global de transporte.

Significado e Alegações

O artigo alega fornecer uma perspectiva unificada sobre dinâmicas gerativas determinísticas e estocásticas. Ao separar explicitamente a espinha dorsal de transporte da modelagem de densidade induzida pela difusão, o trabalho oferece uma visão interpretável de como a estocasticidade molda o transporte de probabilidade.

Os autores enfatizam que esta decomposição não é meramente uma curiosidade teórica, mas uma ferramenta prática para controlabilidade. Permite que praticantes ajustem a "contribuição osmótica" no momento da amostragem sem retreinamento, permitindo controle fino sobre características amostrais (por exemplo, nitidez versus suavidade) e potencialmente facilitando procedimentos de amostragem interativos (por exemplo, pausar, reverter ou regenerar a partir de estados intermediários).

O artigo permanece modesto quanto ao seu escopo, notando que a decomposição se aplica mais diretamente a dinâmicas gerativas baseadas em campo e que aprender campos separados introduz sobrecarga adicional de modelagem e computacional. Trabalho futuro é sugerido para focar em reduzir essa sobrecarga enquanto preserva os benefícios de interpretabilidade e controlabilidade em aplicações a jusante.