Radial Compensation: Stabilisiert generative Modelle auf Riemannschen Mannigfaltigkeiten

In der neuesten Veröffentlichung auf arXiv (2511.14056v1) wird ein bahnbrechender Ansatz vorgestellt, der generative Modelle auf gekrümmten Räumen revolutioniert. Traditionell nutzen solche Modelle Karten, um euklidische Räume auf Mannigfaltigkeiten abzubilden. Dabei führen Exponentialkarten zu starren, radiusabhängigen Jacobianten, während Volumen-erhaltende Karten Distanzen verzerren, um Dichten zu erhalten. Beide Verfahren verflechten die Krümmung mit den Modellparametern und erhöhen die Varianz der Gradienten erheblich.

Der neue Ansatz, „Radial Compensation“ (RC), löst dieses Problem, indem er die Basisdichte im Tangentialraum so wählt, dass die Likelihood ausschließlich von der geodätischen Entfernung zu einem Pol abhängt. Dadurch werden die semantischen Bedeutungen der Parameter von der Krümmung entkoppelt: Radiale Parameter behalten ihre übliche Interpretation in geodätischen Einheiten, während die Karte als numerischer Präconditioner optimiert werden kann. RC wird zudem auf Mannigfaltigkeiten mit bekannter geodätischer Polvolumenfunktion erweitert und ist die einzige Konstruktion, die geodätisch-radiale Likelihoods mit krümmungsinvarianten Fisher-Informationen ermöglicht.

Durch die Einführung der Balanced-Exponential (bExp)-Kartengattung wird ein Gleichgewicht zwischen Volumenverzerrung und geodätischem Fehler geschaffen. Alle bExp-Einstellungen unter RC bewahren dieselbe Mannigfaltigkeitsdichte und Fisher-Information; kleinere Dialwerte reduzieren die Gradientenschwankungen und den Rechenaufwand. Empirische Tests zeigen, dass RC stabile generative Modelle für Dichten, VAEs, Flows auf Bildern, Graphen und Proteinstrukturen liefert. Die Methode verbessert die Likelihoods, stellt saubere geodätische Radien wieder her und verhindert Radiusblow-ups in hochdimensionalen Flows.