[論文レビュー] Stability and Concentration in Nonlinear Inverse Problems with Block-Structured Parameters: Lipschitz Geometry, Identifiability, and an Application to Gaussian Splatting

Joe-Mei Feng, Hsin-Hsiung Kao|arXiv (Cornell University)|Feb 10, 2026

Numerical methods in inverse problems被引用数 0

ひとこと要約

この論文は、ブロック構造パラメータを有する非線形逆問題に対する安定性と非漸近的集中の演算子論フレームワークを開発し、それを Gaussian Splatting に適用して安定性–分解能のトレードオフを導出する。

ABSTRACT

We develop an operator-theoretic framework for stability and statistical concentration in nonlinear inverse problems with block-structured parameters. Under a unified set of assumptions combining blockwise Lipschitz geometry, local identifiability, and sub-Gaussian noise, we establish deterministic stability inequalities, global Lipschitz bounds for least-squares misfit functionals, and nonasymptotic concentration estimates. These results yield high-probability parameter error bounds that are intrinsic to the forward operator and independent of any specific reconstruction algorithm. As a concrete instantiation, we verify that the Gaussian Splatting rendering operator satisfies the proposed assumptions and derive explicit constants governing its Lipschitz continuity and resolution-dependent observability. This leads to a fundamental stability--resolution tradeoff, showing that estimation error is inherently constrained by the ratio between image resolution and model complexity. Overall, the analysis characterizes operator-level limits for a broad class of high-dimensional nonlinear inverse problems arising in modern imaging and differentiable rendering.

研究の動機と目的

• ブロック構造パラメータを持つ非線形逆問題に対する安定性と統計的集中の問題を動機づけ、形式化する。
• ブロックごとのリプシッツ幾何、局所同定性、サブガウスノイズを用いた演算子論フレームワークを開発する。
• 決定論的な安定性不等式と誤差の非漸近的高確率再構成境界を導出する。
• 前処理としてフレームワークを具体化し、Gaussian Splatting が仮定を満たすことを検証し、明示的な定数を得る。
• 前方演算子の幾何に支配された固有の安定性–分解能トレードオフを明らかにする。

提案手法

• 前方写像 A を Z=(Z1,...,ZN) というブロック構造パラメータに作用するものとしてモデル化する。
• ブロックごとのリプシッツ連続性と局所識別性を課し、観測雑音はサブガウスとする。
• 最小二乗ミスフィット F(Z) の決定論的安定不等式と全体リプシッツ境界を導出する。
• カオス過程技法を用いて F(Z) の非漸近的集中境界を開発する。
• 再構成アルゴリズムに依存しない、A に固有の高確率パラメータ誤差境界を証明する。
• Gaussian Splatting の前方演算子が仮定を満たすことを検証し、明示的なリプシッツおよび観測可能性定数を抽出する。

実験結果

リサーチクエスチョン

• RQ1 ブロック構造パラメータを持つ非線形逆問題における内在的な安定性限界は何か？
• RQ2 リプシッツ幾何と局所同定性はノイズ下での再構成精度をどう決定するか？
• RQ3 Gaussian Splatting の前方演算子は提案された仮定を満たすことを示せるか、どのような明示的定数が現れるか？
• RQ4 解像度とモデル複雑性が変化する場合の Gaussian Splatting における基本的な安定性–分解能トレードオフとは何か？

主な発見

• intrinsic な安定性–分解能トレードオフを確立: より高い画像解像度は観測可能性を改善する一方で、モデル複雑性の増大は感度を高める。
• 前方演算子の幾何学とノイズスケールのみに依存する決定論的安定性および非漸近的高確率誤差境界を導出した。
• 前方写像の異方性感度を説明する方向的観測性の概念を導入した。
• Gaussian Splatting が全体仮定を満たすことを検証し、リプシッツ連続性と観測可能性を支配する明示的定数を得た。
• ミスフィットの期待ギャップが前方モデルのずれと等しく、ミスフィット変動の集中不等式を提供した。
• 識別可能性を満たす広範な高次元非線形逆問題の演算子レベルの限界を、微分可能レンダリング文脈で特徴づけた。