技术摘要：分解式无分类器引导

问题陈述

反事实生成旨在模拟因果干预下的现实假设结果（例如，“如果该患者接受 A 治疗而非 B 治疗，其疾病进展会是什么样子？”）。虽然结合 DDIM 反演和无分类器引导（CFG）的扩散模型已成为该任务的最先进方法，但作者指出了标准 CFG 的一个关键局限性：属性放大。

标准 CFG 将单一的全局引导权重（$\omega$）应用于整个条件嵌入。在反事实生成中，这种均匀增强不仅无意中放大了被干预的属性，还放大了在因果干预下应保持不变的属性。这种“脱靶”放大违反了预期的因果图，修改了因果路径之外的属性，并导致生成轨迹偏离原始数据流形，从而损害身份保持能力以及推断出的反事实的公理合理性。

方法论：分解式无分类器引导（FCFG）

为了在不改变底层扩散模型的情况下减轻虚假属性放大，作者提出了分解式无分类器引导（FCFG）。这是一种灵活、与模型无关的推理时技术，支持遵循因果图的属性级控制。

1. 属性拆分条件嵌入

该方法对条件机制引入了结构性改变。FCFG 不再将多个属性纠缠为单一向量，而是采用属性拆分嵌入器。每个语义父属性 $pa_i$ 通过专用的多层感知机（MLP）$E_i$ 独立嵌入。最终的条件向量 $c$ 由这些独立嵌入拼接而成：
$$c = \text{concat}(E_1(pa_1), E_2(pa_2), \dots, E_K(pa_K))$$
该架构在嵌入空间中保留了每个属性的身份，允许在推理过程中对单个属性进行选择性空标记化或调制。

2. 分组引导公式

FCFG 将语义属性划分为 $M$ 个不相交的组（例如，包含被干预属性及其后代的“受影响”组，以及包含预期保持不变属性的“不变”组）。假设这些组在给定潜在变量 $x_t$ 的条件下是条件独立的，作者推导出了一个因式分解的代理后验：
$$p_\omega(x_t | pa) \propto p(x_t) \prod_{m=1}^M p(pa^{(m)} | x_t)^{\omega_m}$$
其中 $\omega_m$ 是组 $m$ 的独立引导权重。

引导噪声预测 $\epsilon_{\text{FCFG}}$ 通过将无条件预测与各组的加权差值求和来计算：
$$\epsilon_{\text{FCFG}}(x_t, t, c) = \epsilon_\theta(x_t, t, \emptyset) + \sum_{m=1}^M \omega_m \left( \epsilon_\theta(x_t, t, c^{(m)}) - \epsilon_\theta(x_t, t, \emptyset) \right)$$
此处，$c^{(m)}$ 是一个掩码嵌入，仅保留属于组 $m$ 的属性，其他属性则替换为空标记。

3. 与反事实推理的集成

FCFG 被集成到标准的三步反事实推理流程（反演、行动、预测）中：

• 反演（Abduction）： 使用 DDIM 反演从观测图像和事实属性中估计外生噪声 $u$。
• 行动（Action）： 应用因果干预以生成反事实属性。
• 预测（Prediction）： 使用 FCFG 引导的反向 DDIM 轨迹。关键在于，预测步骤应用不同的权重（受影响属性的 $\omega_{\text{aff}}$ 和不变属性的 $\omega_{\text{inv}}$），以引导生成朝向干预方向，同时保持不变因素。

该框架设计为与高级引导方案兼容，包括CFG++和自适应投影引导（APG），方法是将其各自的分数公式应用相同的分组分解。

主要贡献

1. CFG 诱导失效的识别： 作者分析并证明，标准 CFG 中的全局引导机制是属性放大的主要来源，即使已知因果图，也会导致不变属性发生虚假变化。
2. FCFG 的提出： 他们引入了分解式无分类器引导，这是一种简单的扩展，为属性组分配独立的引导权重。这使得能够对生成过程进行细粒度、可解释的控制，而无需更改模型架构或重新训练。
3. 实证验证： 通过在自然图像（CelebA-HQ）和医学图像（EMBED, MIMIC-CXR）数据集上的广泛实验，论文表明 FCFG 显著减少了脱靶放大，同时保持或提高了干预效果。

实验结果

作者在三个数据集上将 FCFG 与标准 CFG 及其他反事实生成方法（HVAE, HVAE-soft, SA-DCG）进行了评估：

• CelebA-HQ： 在针对“微笑”、“男性”或“年轻”等属性的干预中，高引导权重（$\omega \ge 2.0$）的全局 CFG 导致非干预属性发生显著的非预期变化（例如，仅针对微笑时却改变了年龄或身份）。FCFG 对不变属性使用较低权重（$\omega_{\text{inv}} \approx 1.0-1.2$），对受影响属性使用较高权重（$\omega_{\text{aff}} \ge 2.0$），在实现可比的目标属性变化的同时，保持了不变属性的稳定。这导致可逆性的平均绝对误差（MAE）和 LPIPS 分数更低，表明身份保持能力更好。
• EMBED（乳腺钼靶）： 当干预乳腺密度时，全局 CFG 无意中放大了圆形皮肤标记的存在。FCFG 抑制了这种虚假偏移，在非干预属性上保持了稳定的性能。
• MIMIC-CXR（胸部 X 光）： 对疾病发现（"finding"）进行干预时，全局 CFG 导致种族和性别属性发生非预期变化。FCFG 成功将变化局限于疾病发现，将脱靶 AUC 变化从较大的正值（表明放大）降低至接近零或负值。

在所有情况下，FCFG 都改善了干预效果与脱靶放大之间的权衡。此外，FCFG 证明了与 CFG++ 和 APG 的兼容性，也缓解了这些高级方法中固有的属性放大问题。

意义与主张

论文声称，FCFG 解决了因果推理中引导扩散模型的一个根本性局限。通过跨语义或因果定义的组解耦引导信号，FCFG 能够生成公理上更合理（遵循因果图）且更可逆（忠实保持身份）的反事实。

作者强调，FCFG 是一种简单的推理时补救措施，不需要：

• 额外的基于预测器的训练目标（不同于 HVAE 变体）。
• 复杂的扩散 - 自编码器框架（不同于 SA-DCG）。
• 因果发现（它假设可以访问预定义的因果图或语义分组）。

该工作表明，标准 CFG 的“全局”性质是可靠反事实推理的瓶颈，而在因果背景下进行精确、受控的图像编辑，将引导信号分解是必要的一步。作者指出了局限性，特别是 FCFG 依赖于结构化条件变量和预定义的分组，且引导权重目前是通过经验选择而非自适应选择的。