Resumo Técnico: Além do MMSE: Aprimorando a Restauração PnP com ProxiMAP

Declaração do Problema

Os métodos Plug-and-Play (PnP) tornaram-se padrão para resolver problemas inversos de imageamento (por exemplo, desembaçamento, inpainting) ao substituir o denoiser de Máxima A Posteriori (MAP) intratável em algoritmos de splitting proximal por um denoiser aprendido de Mínimo Erro Quadrático Médio (MMSE). Embora eficazes, essa substituição introduz uma incompatibilidade fundamental: o estimador MMSE aproxima a média posterior, que tende a produzir reconstruções suavizadas em excesso devido à "regressão à média", enquanto a formulação variacional do PnP teoricamente exige o estimador MAP.

Tentativas recentes de fechar essa lacuna visando diretamente o MAP usando escores de modelos de difusão mostraram-se problemáticas na prática. O artigo demonstra que, ao usar escores aprendidos, as iterações voltadas para o MAP não convergem para imagens realistas. Em vez disso, elas derivam para regiões de alta densidade da distribuição aprendida que não se alinham com a distribuição de dados verdadeira, resultando em artefatos "estilo desenho animado" (cores planas, bordas exageradas). O artigo postula que essa falha não é intrínseca à própria estimação MAP, mas sim uma consequência de erros de aproximação de escores em modelos aprendidos.

Metodologia: ProxiMAP

Os autores introduzem o ProxiMAP, um algoritmo iterativo de aproximação MAP projetado para operar dentro do regime de confiabilidade dos denoisers aprendidos. O princípio central de design é o casamento de ruído: em cada iteração $k$, o nível de ruído residual da iteração atual deve corresponder ao nível de ruído $\sigma_k$ no qual o denoiser foi treinado e consultado.

Mecanismos Chave

1. Programação de Ruído e Rastreamento de Resíduos: Diferentemente do gradiente descendente padrão sobre o objetivo proximal, onde a programação de ruído é desacoplada do estado da iteração, o ProxiMAP rastreia explicitamente o ruído residual $\sigma_k$ da iteração $x_k$. O algoritmo impõe a restrição de que o denoiser seja sempre consultado com uma entrada cujas estatísticas de ruído correspondam à sua distribuição de treinamento.
2. Parada Antecipada Implícita: Ao manter esse casamento, o algoritmo impede que a iteração derive para regiões onde o escore aprendido é pouco confiável (o "regime de falha"). Isso atua como um mecanismo de parada antecipada principiado. A iteração desacelera à medida que se aproxima da variedade de dados, evitando consultas incompatíveis que causam o efeito de desenho animado.
3. Formulação Algorítmica: O ProxiMAP modifica a recursão do gradiente descendente suavizado (baseada em Pesme et al., 2025) para garantir que $\sigma_k$ (o nível de ruído da iteração) seja igual ao ruído de condicionamento do denoiser. O tamanho do passo $\gamma_k$ e a programação de ruído são derivados para satisfazer essa restrição, garantindo que o denoiser permaneça "dentro da distribuição".
4. Variante Híbrida (Fast ProxiMAP): Reconhecendo que a substituição completa do MMSE pelo ProxiMAP em cada iteração PnP é computacionalmente cara, os autores propõem uma abordagem híbrida. Esta variante usa denoisers MMSE padrão nas iterações iniciais (onde a iteração está longe da variedade e a precisão do escore é menos crítica) e alterna para o ProxiMAP apenas nas iterações finais (onde a iteração está próxima da variedade e o denoiser é mais confiável). Isso alcança resultados comparáveis ou superiores com uma fração do custo computacional.

Contribuições Principais

1. Diagnóstico da Estimação MAP com Priors Aprendidos: Através de comparações controladas usando Modelos de Mistura Gaussiana (GMMs) com escores exatos versus modelos de difusão com escores aprendidos, o artigo estabelece que o "efeito de desenho animado" no direcionamento MAP decorre dos vieses implícitos do treinamento de difusão que deslocam regiões de alta densidade, e não do próprio processo de estimação MAP.
2. Algoritmo ProxiMAP: Uma substituição modular e plug-and-play para denoisers MMSE em frameworks PnP padrão. É derivado de um único princípio (casamento de ruído) que mantém o denoiser dentro da distribuição e gera uma parada antecipada implícita.
3. Melhorias Sistemáticas: O método demonstra melhorias consistentes na qualidade perceptual (LPIPS) enquanto mantém distorção competitiva (PSNR) em múltiplos algoritmos PnP (DPIR, DiffPIR, DAPS), tarefas (desembaçamento, inpainting, super-resolução, recuperação de fase) e conjuntos de dados (FFHQ, ImageNet).
4. Variante Híbrida Eficiente: A variante "Fast ProxiMAP" iguala ou supera o desempenho da variante de substituição completa do ProxiMAP com um custo computacional significativamente reduzido (por exemplo, reduzindo avaliações de função de 160 para 27 em algumas configurações).

Resultados Experimentais

Os autores avaliaram o ProxiMAP nos conjuntos de dados FFHQ e ImageNet em vários problemas inversos.

• Denoising Independente: O ProxiMAP supera o MMSE condicional e outros amostradores determinísticos de difusão (DDIM, Flow Matching, InDI) na curva de compromisso percepção-distorção, alcançando LPIPS mais baixo (imagens mais nítidas) para PSNR comparável.
• Integração PnP: Quando integrado ao DPIR, DiffPIR e DAPS, as variantes do ProxiMAP deslocam consistentemente a frente de Pareto em direção ao canto ótimo (alto PSNR, baixo LPIPS).
• Eficiência Híbrida: A variante Fast ProxiMAP (alternando para ProxiMAP apenas na iteração PnP final) alcança resultados comparáveis à variante de substituição completa, mas com drasticamente menos avaliações de rede. Por exemplo, no DiffPIR, reduz o número de avaliações de função (NFEs) de 160 para 27, mantendo ou melhorando a qualidade da reconstrução.
• Resolução do Modo de Falha: Em casos onde a substituição completa do ProxiMAP levou a artefatos de alta frequência (por exemplo, em super-resolução no FFHQ), a variante híbrida resolveu com sucesso esses problemas ao confiar no estimador MMSE robusto durante as iterações iniciais e instáveis.

Significado e Alegações

O artigo alega que o ProxiMAP oferece uma solução prática para a incompatibilidade de longa data entre os denoisers MMSE usados no PnP e os estimadores MAP exigidos pela formulação variacional subjacente. Em vez de tentar forçar a convergência para um MAP potencialmente mal definido de uma distribuição aprendida, o ProxiMAP aproveita a confiabilidade dos escores aprendidos mantendo a trajetória de otimização dentro da distribuição de treinamento do denoiser.

Os autores enfatizam que sua contribuição é um componente modular que aprimora famílias PnP existentes sem exigir o re-treinamento dos modelos de difusão subjacentes ou o desenvolvimento de novos solucionadores especializados de problemas inversos. Eles observam que, embora o ProxiMAP melhore a qualidade perceptual, as reconstruções ainda herdam os vieses dos modelos de difusão pré-treinados, uma ressalva particularmente relevante para aplicações críticas de segurança onde a plausibilidade visual não deve ser o único determinante da correção. O trabalho sugere que gerenciar a relação entre o nível de ruído da iteração e o regime de treinamento do denoiser é uma alavanca de design mais eficaz do que buscar a convergência exata do MAP com escores inexatos.