技术摘要：一种用于盲逆问题的 Morse-Bott 框架

问题陈述

本文研究了盲逆问题，特别是从间接观测值 $y = A(\bar{\theta})\bar{x} + b$ 中联合恢复图像 $\bar{x}$ 和前向算子参数 $\bar{\theta}$（例如模糊核）的问题。这类问题是严重病态的，因为无数对 $(x, \theta)$ 都可以解释相同的观测结果。

作者专注于最大后验概率 (MAP) 估计框架，即通过最小化负对数后验概率来寻找解：
$$L(x, \theta; y) = \frac{1}{2\sigma^2} \|A(\theta)x - y\|^2 - \log p_x(x) - \log p_\theta(\theta)$$
虽然手工设计的先验（如稀疏性）在历史上占据主导地位，但近期的进展利用学习先验（特别是扩散模型）来捕捉自然图像的复杂性。然而，一个悖论依然存在：虽然通过精心初始化的局部优化通常会成功，但全局 MAP 优化却一致失败，收敛到退化的“无模糊”解（即“模糊陷阱”），其中算子坍缩为恒等算子，而图像保持模糊。本文旨在从严谨地解释这一现象，并建立局部恢复在理论上得到保证的条件。

方法论

1. Morse-Bott 建模假设

作者提出将图像势函数 $q(x) = -\log p_x(x)$ 建模为 Morse-Bott 函数。与传统的凸性假设不同，该框架承认自然图像存在于低维流形之上。

• 定义： 若势函数 $q$ 在临界点 $\bar{x}$ 处是 Morse-Bott 的，则其临界点集合在局部形成一个光滑子流形 $\mathcal{M}$，且 Hessian 矩阵 $\nabla^2 q(\bar{x})$ 在正交于 $\mathcal{M}$ 的方向上是非退化的。
• 含义： 势函数沿图像流形的切空间 ($T_{\bar{x}}\mathcal{M}$) 是平坦的，但在法方向上是严格凸的。

2. 假设的实证验证

作者通过使用最先进的扩散模型（FFHQ, ImageNet, AFHQ）验证了这一假设：

• 定位临界点： 从自然图像、无关数据集和噪声中运行梯度下降。他们观察到收敛到的临界点表现为输入的“去噪”版本。
• 景观曲率： 证明了当远离流形（横截方向）时，势函数会剧烈增加，而沿流形方向则保持相对平坦。
• Hessian 谱分析： 计算临界点处的 Hessian 谱。他们发现了一个清晰的谱间隙：极少数接近零的特征值（对应于流形的切空间）和绝大多数较大的正特征值（对应于法方向）。这证实了学习型扩散势函数的 Morse-Bott 结构。

3. 稳定性理论分析

利用 Morse-Bott 假设，作者推导了针对非盲和盲逆问题的局部恢复保证。

• 非盲情况： 他们证明，如果真实图像 $\bar{x}$ 是势函数的二阶临界点，且算子 $A$ 在流形切空间上是单射的（即 $T_{\bar{x}}\mathcal{M} \cap \ker A = \{0\}$），那么 $\bar{x}$ 是一个稳定的局部极小值点。
• 盲情况： 他们将此扩展到联合恢复 $(\bar{x}, \bar{\theta})$。稳定性需要满足三个几何条件：
  1. 流形上的可辨识性： $T_{\bar{x}}\mathcal{M} \cap \ker A(\bar{\theta}) = \{0\}$。
  2. 参数的可辨识性： $\ker J_{\bar{x}}(\bar{\theta}) = \{0\}$（参数的变化会产生可测量的变化）。
  3. 流形-算子解耦： $(A(\bar{\theta})T_{\bar{x}}\mathcal{M}) \cap \text{Im } J_{\bar{x}}(\bar{\theta}) = \{0\}$（图像的变化不能与算子的变化相混淆）。
• 结果： 在这些条件下，真实值是一个稳定的局部极小值点。解对数据扰动具有平滑依赖性，且在附近初始化的梯度下降会收敛至该极小值点。

4. 全局失效分析（“模糊陷阱”）

作者调查了为什么尽管存在局部稳定性，全局 MAP 仍然失败。

• 实证观察： 他们证明了对于基于扩散模型的自然图像势函数，当图像变得更加模糊时，势函数 $q(x)$ 会严格降低。这是景观的一个全局属性，而非仅仅是局部人工痕迹。
• 理论证明： 他们证明，如果势函数满足“模糊偏好”条件（对于所有模糊核 $h$，都有 $q(h * x) \leq q(x)$），那么 MAP 目标的全局极小值点始终是一个退化的“无模糊”解，无论生成先验的质量如何。
• 结论： 全局 MAP 的失败是景观拓扑结构的内在特征，而非先验质量的局限。

关键结果

1. 局部稳定性： 本文为广泛的盲逆问题建立了一个框架，证明了只要算子和图像流形满足特定的几何横截条件，真实值就是一个稳定的局部极小值点。这证明了在适当初始化下，局部优化方法的经验成功是有理可循的。
2. 全局不稳定性： 证实了即使使用最先进的扩散先验，“模糊陷阱”依然存在。由于自然图像统计特性倾向于低频内容，全局景观被偏向于平滑、模糊的结构。
3. 数值验证：
   • 在各种模糊核（高斯、运动、离焦、单纯形）上的实验表明，**Morse-Bott 谷（局部盆地）**确实存在，但往往被全局吸引子所掩盖。
   • 可辨识性随核类型变化： 运动模糊和离焦模糊比高斯或 Airy 模糊表现出更尖锐的局部极小值和更好的调节性，能更有效地满足解耦条件。
   • 噪声敏感性： 随着噪声水平增加，局部恢复盆地会坍缩，全局“模糊陷阱”占据主导地位，使得 MAP 估计器在超过临界噪声阈值后变得不一致。
4. 初始化策略： 作者提出了一种启发式交替优化方案（算法 6.1）来应对复杂的景观：
   • 感知盆地的初始化： 使用“大”核（极大支持集）而非小核进行初始化。这迫使图像分量包含高频内容，从而将优化置于满足流形-算子解耦的横截区域。
   • 非对称更新： 每进行一次核更新，进行多次图像更新，以保持图像靠近流形底部。
   • 周期性重置： 定期将图像重置为观测值 $y$，以逃离小的局部坑洞并保持数据一致性。
   • 验证： 该策略在合成实验和真实世界数据（Köpher 数据集）上成功恢复了真实值，而小核初始化则会失败。

意义与主张

本文声称提供了一个严密的理论框架（Morse-Bott），解释了在带有学习先验的盲逆问题中，局部优化成功与全局优化失败之间的对立关系。

• 理论贡献： 它形式化了学习型势函数的几何性质，证明它们是 Morse-Bott 函数。它提供了显式的稳定性常数和条件（可辨识性、解耦），将压缩感知理论扩展到了非凸的学习设置中。
• 实践洞察： 它证明了“模糊陷阱”是自然图像统计特性的基本拓扑特征，而非特定模型架构的缺陷。因此，仅通过提高先验的生成质量无法解决全局 MAP 失败的问题。
• 战略转变： 作者认为，盲逆问题研究的重点应从寻求全局最大值转向表征并瞄准局部恢复盆地。成功的关键在于“具备拓扑意识的优化”，特别是能够避开全局吸引器的策略性初始化。

文章总结道，虽然在几何条件下局部恢复在理论上是可保证的，但全局景观本质上是存在偏差的。因此，实际算法必须依赖于启发式方法（如大核初始化）来导航这一复杂地形，而不是依赖于 MAP 估计器的全局最优性。