技术摘要：LightSBB-M

问题陈述

基于随机过程的生成建模主要依赖于经典的 Schrödinger 桥（SB）和扩散模型。SB 公式通过最小化相对于布朗先验的相对熵，构建受控随机动力学，将源分布 $\mu_0$ 输运至目标分布 $\mu_T$。然而，经典 SB 框架施加了严格的要求：目标分布必须相对于维纳测度具有有限的相对熵（$KL(P \| W_\epsilon) < \infty$）。这一约束使得经典 SB 在处理重尾或奇异目标分布时不可行，因为在这种情况下熵项会发散。

相反，Bass 鞅输运通过优化波动率同时强制执行零漂移约束，提供了灵活性，但它缺乏显式的漂移控制，且偏离了标准的扩散机制。Schrödinger-Bass 桥（SBB）问题由 Henry-Labordere 等人（2026）提出，通过联合优化漂移和波动率统一了这些范式。它引入了一个可调参数 $\beta > 0$，在经典 SB 极限（$\beta \to \infty$）和 Bass 鞅输运机制（$\beta \to 0$）之间进行插值。尽管 SBB 问题具有理论优势——特别是能够在不依赖有限熵限制的情况下处理重尾目标——但由于随机波动率的复杂性和隐式输运映射，SBB 问题在高维情况下在计算上仍不可行。

方法论：LightSBB-M

作者提出了LightSBB-M，这是一种模拟高效的算法，旨在通过少数几次迭代计算最优 SBB 输运计划。该方法利用 SBB 目标的对偶表示，推导出最优漂移和波动率的解析表达式，从而避免了昂贵的随机微分方程（SDE）离散化。

核心理论框架

SBB 问题在漂移 $\alpha_t$ 和波动率 $\sigma_t$ 上最小化二次成本 $J(P)$：
$$J(P) = \mathbb{E}_P \left[ \int_0^T \left( \|\alpha_t\|^2 + \beta \|\sigma_t - \sqrt{\epsilon}I_d\|^2 \right) dt \right]$$
其中 $\beta$ 控制漂移与波动率之间的权衡。

作者建立了该问题的对偶表示。通过对势函数 $(v, \psi)$ 最大化拉格朗日泛函，他们推导出了最优控制的显式反馈策略：

1. 最优漂移： $\alpha^*_t = \nabla_x v^*(t, x)$
2. 最优波动率： $\sigma^*_t = \sqrt{\epsilon} \left( I_d - \frac{D^2_x v^*(t, x)}{\beta} \right)^{-1}$

关键在于，SBB 系统可被视为一种“拉伸”的 Schrödinger 桥。通过定义变换过程 $Y_t = Y_t(X_t)$，作者表明 $Y_t$ 在变换空间中遵循具有恒定波动率 $\sqrt{\epsilon}$ 的标准布朗运动，而原始过程 $X_t$ 则通过学到的输运映射恢复。这一变换将 $X$ 空间中的状态依赖扩散转化为 $Y$ 空间中的恒定波动率过程。

算法实现

LightSBB-M 算法（算法 1）通过交替优化过程运行：

1. 输运映射学习： 训练神经网络 $Z_{\tilde{\theta}}$ 以近似逆输运映射 $Y_t = Z_{\tilde{\theta}}(t, X_t)$，有效地学习从原始空间到恒定波动率 $Y$ 空间的映射。
2. 漂移学习： 利用高斯混合参数化来表示势函数（受 LightSB-M 启发），算法通过在 $Y$ 空间中最小化去噪分数匹配损失（桥匹配）来学习分数漂移 $s_\theta$。
3. 交替更新： 算法在更新漂移参数 $\theta$（以匹配 $Y$ 空间中的 SB 动力学）和输运映射参数 $\tilde{\theta}$（以确保 $X$ 空间中的端点匹配 $\mu_0$ 和 $\mu_T$）之间交替进行。

这种方法允许在推理时进行无模拟采样。一旦训练完成，即可从学到的耦合中采样 $Y_T$，并通过逆映射恢复 $X_T$，从而绕过直接求解 $X_t$ 复杂 SDE 的需求。

主要贡献

1. 可扩展的 SBB 求解器： 提出了 LightSBB-M，这是一种实用的算法，能够高效计算最优 SBB 输运计划，实现了漂移和波动率联合学习的生成建模。
2. 解析控制表达式： 推导了最优 SBB 控制的显式、可处理表达式，促进了无模拟采样，并避免了 SDE 离散化的计算负担。
3. 实证优越性： 广泛的数值实验表明，LightSBB-M 在合成数据集和高维真实世界数据集上均实现了最先进的性能，优于现有的 SB 和扩散基线。

实验结果

合成数据集

在低维合成数据集（8gaussians, moons）上，LightSBB-M 与最先进的 SB 求解器（如 LightSB-M, DSBM）和基于流的模型进行了评估。

• 性能： LightSBB-M 在所有基准任务中均实现了最低的 2-Wasserstein 距离（$W_2$）。
• 改进： 与最佳 SB 和扩散基线相比，该方法在输运精度上平均提高了19%，同时也降低了结果方差。
• 重尾处理： 在将高斯分布输运至 Student-t 分布的实验中（由于无限熵，经典 SB 在此情况下是病态的），LightSBB-M 准确恢复了目标分布，而经典 SB 则产生了显著的伪影和虚假模式。

真实世界应用：图像到图像翻译

该框架被应用于 FFHQ 数据集（1024x1024 分辨率）的无配对图像到图像翻译（成人到儿童面部），在对抗潜在自编码器（ALAE）的潜在空间内进行。

• 年龄翻译： LightSBB-M 显著提高了年龄翻译的质量。在低噪声（$\epsilon=0.1$）下，估计为 18 岁以下的生成面部百分比是 LightSB-M 基线的两倍（41.2% 对比 20.7%）。在较高噪声（$\epsilon=1$）下，该指标几乎增加了四倍（76.0% 对比 19.3%）。
• 身份保持： 虽然与 LightSB-M 相比，LightSBB-M 在身份相似度（余弦相似度）上显示出适度下降，但这归因于生成了真正更具儿童特征的面部，而非模型的失败。
• 保真度： 弗雷歇初始距离（FID）与基线相当（20.9 对比 21.6），证实了改进的多样性和年龄翻译并未损害图像质量。
• 效率： 与需要反向 - 正向采样的传统扩散模型不同，LightSBB-M 在单次正向传递中生成样本，避免了反向扩散步骤中的误差累积。

意义与主张

该论文将 LightSBB-M 定位为最优输运理论与现代生成建模交叉领域的重要进展。其主要意义在于使随机波动率输运在大规模上变得计算可行。

作者声称，通过联合控制漂移和波动率，该框架：

• 扩展了适用性： 它可以建模具有重尾或奇异性的目标分布，而这些分布由于有限熵约束而无法被经典 SB 方法访问。
• 提供了灵活性： 参数 $\beta$ 允许实践者在纯漂移控制（SB）和纯波动率控制（Bass）之间进行插值，调整样本多样性与保真度之间的权衡。
• 提升了性能： 它提供了一个可扩展、高保真的求解器，在输运精度和生成质量方面均优于现有基线。

作者指出，虽然该算法在经验上能在少数几次迭代（通常为 5 次）内收敛，但外层交替循环的正式收敛证明仍是一个开放的理论问题。他们建议未来的工作可以集中在收紧迭代复杂度界限，并将该框架扩展到具有异方差性的时间序列数据。