变分外推能否让 Gamma 收敛定量化？

Gamma 收敛保证稳定性却不给逼近速率

De Giorgi 的 Gamma 收敛理论是证明一列能量泛函收敛到极限泛函、且逼近问题的极小元收敛到极限极小元的标准工具。它本质上不提供速率：它说明一列极小元会趋近极限极小元，却不说明有多快，也不说明数据的哪种正则性控制这一速度。

论文把这一点作为要解决的核心局限。经典插值理论围绕两个固定赋范空间之间的 K 泛函建立，并不直接适用于惩罚项本身随逼近参数演化的泛函序列。作者的应对方式是把 De Giorgi 的变分框架与 Gagliardo 的相对完备化理论结合，使演化的惩罚项成为机制的一部分，而不是障碍。

变分 K 泛函用一族泛函取代两个固定范数

核心的新工具是变分 K 泛函。对于把赋范空间 X 映入 [0, +infinity] 的两个泛函 F 和 G，它在每个 f 和 t > 0 处定义为在分解 f = g + h 上取 G(g) + t F(h) 的下确界。当 F 和 G 是范数时，它与经典 K 泛函一致；当它们是普通泛函时，它成为非线性推广，可以追踪一列惩罚项，而不是单一固定的一对。

正是这一构造让框架具有动态性。变分 K 泛函不衡量元素距离某个固定空间有多远，而是衡量惩罚项随逼近参数变化的行为，而这正是 Gamma 收敛所处的机制。论文还推广了 Gamma 收敛本身：广义上 Gamma 极限与下 Gamma 极限相对于第二个泛函序列 G_n 定义，由 G_n 控制测试序列趋近 f 的方式；当 G_n 就是 X 上的范数时，经典理论被还原。

Gagliardo 完备化是插值范数的端点极限

通往 Gagliardo 工作的桥梁来自实插值范数的一种极限行为。对于相容的赋范空间对 (A0, A1)，元素 f 的归一化插值范数在插值参数 theta 趋近端点时，收敛到 f 在相应 Gagliardo 相对完备化中的范数。论文以命题 2.1 陈述这一点，并通过结合此前的端点结果与 Gagliardo 对保持底层 K 泛函结构这一事实来证明。

这是整个框架的技术枢纽。它意味着当参数趋近 1 时，一族插值型泛函的极限不是抽象对象，而是一个 Gagliardo 完备化，并且该完备化在具体情形下可以被识别。作者在图像处理中正是使用了这一识别：在固定立方体上，(L1, W-dot-1,1) 的 Gagliardo 完备化就是有界变差函数空间 BV，也就是全变差的自然归属空间。

ROF 收敛速率由变分 K 泛函的衰减控制

最核心的应用是 Rudin-Osher-Fatemi 模型离散逼近的反向正则性问题。对于环面上属于 L2 的含噪图像 f，ROF 泛函等于 u 到 f 的 L2 距离平方的一半加上 u 的全变差。论文考虑 E_n，即该泛函在 n×n 网格上分片常函数空间中的逼近，其极小元记为 u-bar 与 u-bar_n，极小值记为 E-bar 与 E-bar_n。

定理 1.1 指出，当 p 属于 (1, 2] 且 gamma = 2 - 2/p 时，存在不依赖于 f 的常数 C，使得能量差的平方根加上两个极小元之间的 L2 距离，被 C 乘以 K(n 的负 gamma 次幂, f; L2, W-dot-1,p) 所界定。在连续极小元属于 BV 交 L-infinity 的附加假设下，L2 误差的平方被 C 乘以 n 的负二分之一次幂、同一个 K 泛函以及一个涉及连续极小元 L-infinity 范数与全变差的因子所界定。

关键的结构性要点是：速率由观测数据 f 的变分 K 泛函支配，而后者又可以用经典 K 泛函估计。决定可达到速度的是图像的正则性，而不只是离散化方案。

哪种图像正则性保证哪一速率取决于 p

论文把估计转化为一个具体问题的答案：给定目标速率 alpha 属于 (0,1)，f 需要什么正则性才能保证极小元之间的 L2 距离为 n 的负 alpha 次幂量级？由于 t 的 alpha 次幂量级的 K 泛函衰减等价于属于参数为 alpha 与无穷的实插值空间 (L2, W-dot-1,p)，问题就归结为刻画该插值空间。

在 Hilbert 情形 p = 2 下，答案是经典的：K 泛函与光滑模可比，插值空间是 Besov 空间 B-dot-alpha-2,infinity。由此得到的速率在 alpha = 1/2 处分裂：当 alpha 属于 [1/2, 1) 时为 n 的负 alpha 次幂量级，当 alpha 属于 (0, 1/2) 时为 n 的负 (2 alpha + 1)/4 次幂量级。论文指出这一衰减对每个 alpha 属于 (0,1) 都是最优的。

在 p 不等于 2 的非 Hilbert 情形下，不存在合适的光滑模类比，作者把这一点描述为真正的障碍。他们绕开障碍的途径，是用 Brezis-Van Schaftingen-Yung 空间对相关插值空间作近期刻画，这些空间通过差商水平集上的弱型上确界定义。借助这一识别，L2 误差被 n 的负 (2 - 2/p) alpha 次幂乘以 f 的 B-dot-alpha-q(gamma,infinity) 范数所界定，前提是 alpha 至少为 p 除以 4(p-1)。

紧性外推统一了紧性判据与滤波器极限

第二个技术支柱是紧性外推。论文证明了也涉及 Gagliardo 完备化的紧性外推定理，并由此推出若干已知紧性判据作为推论。一个推论恢复了用 BMO 型泛函陈述的紧性判据；另一个恢复了用热核陈述的判据，其中对重标定热核能量的界迫使强局部 Lp 收敛，且当 p > 1 时极限局部属于 W-dot-1,p，当 p = 1 时极限局部属于 BV。第三个恢复了紧度量测度空间上涉及 KS-1,p 空间的判据。

同一套机制解释了图像处理中滤波器的收敛。归一化插值泛函扮演非局部滤波器的角色，Gagliardo 完备化扮演局部滤波器的角色。在固定立方体上取 B = L2、A0 = L1、A1 = W-dot-1,1，并结合 Gagliardo 完备化即 BV 这一识别，主连续性定理给出插值泛函极小元在参数趋近 1 时的 L2 稳定性，从而恢复经典 ROF 模型。取 B = L1 则给出 Chan-Esedoglu 去噪模型相应的 L1 稳定性。作者把这些呈现为同一普遍现象的不同实例，而不是彼此独立的论证。

框架是定量的但不是通用速率公式

有几条边界对正确理解结果很重要。ROF 速率估计是对 p 属于 (1, 2] 陈述的；论文解释说 p 大于 2 会通过经典嵌入对观测图像施加连续性，作者认为这并不有趣。更精细的平方误差界需要连续极小元属于 BV 交 L-infinity 这一附加假设，论文指出虽然对一般 L2 数据该 L-infinity 性质自动成立，但无法给出用 f 的 L2 范数估计 L-infinity 范数的界。

非 Hilbert 情形的刻画依赖于近期关于 p 不等于 2 时 (L2, W-dot-1,p) 的插值公式，由此得到的速率陈述带有 alpha 至少为 p 除以 4(p-1) 的限制。紧性推论是在特定设定下导出的，包括立方体上具有绝对连续范数的重排不变空间、热核能量，以及满足相关章节假设的紧度量测度空间。这些就是外推机制适用的条件，使用相应结论时应一并带上。

决定性的收益是用 K 泛函衰减读取图像正则性

论文中最具决策相关性的内容不是一般框架陈述，而是它为 ROF 模型实现的具体转化：保证给定最优收敛速率的观测图像正则性，由变分 K 泛函的衰减来度量，而这一衰减由 Brezis-Van Schaftingen-Yung 空间刻画。正是这一点把定性稳定性陈述转化为对数据可检验的条件。

对于要决定如何使用该结果的读者，实际的分界在于 Hilbert 情形 p = 2 与非 Hilbert 情形 p 不等于 2 之间：前者适用经典 Besov 刻画，速率阈值 alpha = 1/2 决定指数；后者需要 Brezis-Van Schaftingen-Yung 刻画，并带有对 alpha 的附加限制。论文自身强调这两种情形不可互换，真正决定可用收敛速率的是 K 泛函衰减，而不只是离散化方案。

本文引用的文献