확산 모델(diffusion model)은 조건부 이미지 생성의 지배적인 패러다임으로 자리잡았지만, 기존 접근법은 일반적으로 두 가지 방향을 따른다. 성능을 향상시킬 수 있지만 일반화를 제한하는 태스크별 설계와, 풍부한 조건을 스칼라 목적 함수로 압축하고 단계별 가이던스를 적용하여 정보 병목 현상과 샘플링 궤적을 따라 오류가 누적되는 학습(training) 없는 손실(loss) 가이던스가 그것이다. 다양한 조건부 이미지 생성 태스크에 걸쳐 효과적인 통합 프레임워크의 필요성이 시급한 상황에서, 우리는 태스크 의존적 아키텍처를 도입하지 않고 조건부 이미지 생성을 향상시키는 학습 없는 추론(inference) 방법인 데이터 주입 및 대조적 궤적 정제(DICT, Data Injection and Contrastive Trajectory Refinement)를 제안한다. DICT는 데이터 주입(Data Injection)을 도입하여 노이즈가 섞인 조건 신호를 초기 디노이징 단계에 통합한다. 이렇게 주입된 신호에 대해 가이드 디노이징을 수행함으로써 DICT는 원시 조건에서 태스크에 중요한 정보를 적응적으로 선택하고 증류하여 공간적 풍부함을 효과적으로 보존하고 조건과 생성 간의 정밀한 정렬을 보장한다. 나아가 DICT는 인접한 디노이징 상태 간에 대조적 궤적 정제(Contrastive Trajectory Refinement)를 적용하여 쌍별 비교를 통해 샘플 품질을 점진적으로 향상시킨다. 이러한 설계는 통합된 확산 공식 하에서 추론을 단순하게 유지하면서 크로스 태스크 전이를 개선한다. 조건부 이미지 생성 태스크(예: 스타일 전이, 이미지 초해상도, 이미지 디블러링)에 대한 광범위한 실험은 대표적인 태스크별 기준선 및 손실(loss) 가이드 기준선 대비 충실도와 지각적 품질에서 일관된 성능 향상을 보여준다.
디퓨전 모델은 최근 제로샷 분류(zero-shot classification)에 재활용되고 있으며, 노이즈 예측 오차를 최소화하여 가장 적합한 텍스트 프롬프트를 식별하는 디퓨전 분류기가 등장하고 있다. 이러한 모델의 채택이 증가하고 있음에도 불구하고, 이 모델들이 어떻게 분류 결정을 내리는지는 여전히 제대로 이해되지 않고 있다. 우리는 속성 바인딩(Attribute binding), 크기-순서 바이어스(Size-Order bias), 배경 의존성(Background dependency)의 세 가지 차원에서 디퓨전 분류기를 평가하는 바이어스 평가 벤치마크 ASOB-Bench를 소개한다. 이 차원들은 완전한 분류 체계가 아니라, 텍스트 조건부 재구성 오차 점수가 어떻게 결정에 도달하는지를 탐색하는 표적화된 프로브로 기능한다. 이러한 관점은 판별적 비전-언어 모델에 대해서는 잘 연구되어 있지만, 디퓨전 분류기에 대해서는 여전히 간과되고 있다. 새로 구성된 데이터셋에서 다섯 가지 새로운 속성 범주로 기존 프레임워크를 확장한 결과, 디퓨전 분류기는 OpenCLIP 기준선보다 속성 오바인딩에 덜 취약하다는 것을 발견하였다. 기확립된 ComCo 벤치마크에서는 크기-순서 단축키에 실질적으로 더 취약하며, ImageNet-B에서는 훨씬 큰 정확도 하락을 보여 전경 단서보다 배경에 대한 과도한 의존성을 드러낸다. 재구성 오차 히트맵과 U-Net 교차 어텐션 시각화는 각 바이어스의 이면에 있는 메커니즘을 드러낸다. 디퓨전 분류기는 텍스트-이미지 모델과 동일한 디노이저를 공유하기 때문에, 이러한 단일 패스 진단은 생성 과정에서의 유사한 실패 모드도 시사한다. 전반적으로, 디퓨전 분류기는 비전-언어 모델과 구별되는 바이어스 프로파일을 나타내며, 더 강건한 디퓨전 기반 모델 구축을 위한 지침을 제공한다.
창발적 언어(emergent language)가 입력의 시각적 내용을 얼마나 인코딩하는지를 측정하는 문제는 아직 열린 과제이다. 우리는 이 속성을 시각적 반영(visual reflection)이라 부른다. 이는 창발적 메시지가 해당 메시지를 생성한 화자-청자 쌍에 의존하지 않고도 복원 가능한 형태로 원본 이미지에 대한 정보를 얼마나 보존하는지를 나타낸다. 기존 지표들은 인간이 정의한 개념 목록, 자연어 캡션, 구조적 거리 상관관계, 또는 Referential Game 정확도와 같은 대리 지표를 통해 이를 간접적으로만 측정하며, 이들 각각은 메시지가 인코딩한 시각적 내용을 놓치거나 인코딩하지 않은 내용을 인정하는 문제가 발생할 수 있다. 우리는 시각적 반영을 직접 측정하는 평가 프레임워크인 EmCom-Diffusion을 제안한다. 이 프레임워크는 창발적 메시지로부터 각 입력 이미지를 복원하고, 인간이 정의한 목표물이 아닌 원본 이미지 자체와 복원된 이미지를 비교한다. 구체적으로, (이미지, 창발적 메시지) 쌍으로 사전학습된 텍스트-이미지 확산 모델을 파인튜닝하고, 판별적 방식이 아닌 생성적 방식으로 복원된 이미지와 원본 이미지 간의 지각적 유사도를 시각적 반영 점수로 산출한다. MS-COCO에서 Referential Game을 통해 구체화하여, 세 가지 사전학습 시각 인코더 하에서 무작위 및 고정 토큰 기준선에 대해 해당 지표를 검증하고, 기존 네 가지 지표(CBM, 지도 학습 번역, TopSim, R@1)와 비교한다. EmCom-Diffusion은 다른 지표들이 놓치는 시각적 내용을 포착한다.
소수 단계로 증류된 확산 학생 모델은 텍스트-이미지 추론을 약 50회에서 1~8회의 네트워크 평가로 줄이지만, 품질 차이는 대개 단일 FID/CLIP 스칼라로 요약되어 조건화 응답의 어떤 축이 변했는지, 혹은 특정 동작이 아키텍처에서 비롯된 것인지, 증류 목표에서 비롯된 것인지, 아니면 단순히 확산 모델이기 때문인지를 설명하지 못한다. 우리는 이 스칼라를 분해 가능한 프로브로 대체하며, 이 프로브는 세 가지 모드(평균, 분산, 스케일)와 여섯 가지 강도 하에서 세 개의 층(프롬프트 인코더, 디노이저 입력, 디노이저 출력)을 따라 제어된 섭동을 주입하고, Inception 특징에 대한 부트스트랩 중앙값 Bures W2^2 선택성 비율을 보고한다. 다섯 개의 교사 모델과 다섯 개의 백본 패밀리(SDXL, SD1.5, SD3.5, PixArt-alpha, FLUX), 세 개의 아키텍처 클래스(UNet, DiT, MMDiT), 다섯 개의 증류 패러다임에 걸친 18개의 증류 학생 모델을 포함하는 23개의 모델 전체에 단일 매칭 추정기를 적용한 결과, 세 층은 경험적으로 분리 가능한 세 가지 요인을 읽어낸다: 프롬프트 층은 보편적인 프롬프트 평균 응답(판별자가 아닌 온전성 채널)이고, 잠재 변수 층은 예측 유형을 읽으며, 스코어 층은 증류 목표를 읽는다. 주요 결과: 이 탐색 범위 내에서 잠재 변수 층은 정류 흐름(rectified-flow) 백본의 이진에 가까운 검출기이다. 그 비율은 정류 흐름 모델(SD3.5, FLUX)에 대해서만 지속적인 낮은-중간 강도 구간에 걸쳐 1을 초과하며, 엡실론(epsilon) 예측 모델은 이를 충족하지 못한다. 매칭된 엡실론 예측 대조군(PixArt-alpha)은 광역 T5 조건화를 배제하며, 지문은 교사와 학생 모두로서 적대적(ADD) 증류에서도 유지된다. 두 가지 부차적 스코어 층 발견은 더 좁은 범위에서 성립한다: 비-ADD 기준선이 있는 UNet 패밀리에 대한 표준 4단계 ADD 대 나머지 대조, 그리고 UNet과 DiT 모두에서 CI로 분리된 궤적-롤아웃 초기 강도 스코어 스파이크. 모든 비율은 단일 추정기 하에서 CI로 인용 가능하며, 우리는 셀별 테이블과 추정기를 공개한다.
단일 이미지 반사 제거(SIRR)는 반사가 혼입된 이미지에서 깨끗한 투과층(transmission layer)을 복원하는 것을 목표로 한다. 최근 방법들은 대규모 확산 모델(diffusion model)로 유망한 성능을 달성하지만, 미세조정(fine-tuning)이나 ControlNet과 같이 이미지에 무관한 적응 전략에 의존하여 반사 강도에 관계없이 균일한 억제를 적용한다. 그 결과, 강한 반사는 잔재가 남는 경우가 많고, 약한 반사는 세부 정보 손실(detail loss)을 겪는다. 이를 해결하기 위해, 우리는 정류 흐름 모델(rectified flow model)을 기반으로 한 반사 유도 LoRA 프레임워크인 ReLo-IRR을 제안한다. 먼저, 경량 추정기(estimator)를 설계하여 반사 강도 디스크립터(reflection strength descriptor)를 예측하고, 각 이미지에 대한 반사 지배도의 명시적 사전 정보(prior)를 제공하여 이미지 의존적 LoRA 변조(modulation)를 가능하게 한다. 다음으로, 이 반사 디스크립터를 타임스텝 임베딩과 융합하는 시간 조건부 메커니즘(time-conditioned mechanism)을 도입하여, LoRA 변조가 거친 단계에서 세밀한 단계로 진행되는 디노이징 과정과 일관되게 발전할 수 있도록 한다. 반사 강도와 디노이징 역학을 함께 모델링함으로써, ReLo-IRR은 다양한 반사 조건에 대해 강건한 억제를 달성한다. 도전적인 벤치마크에서의 광범위한 실험을 통해 ReLo-IRR의 효과성을 검증하였으며, 우수한 반사 제거 성능과 강건한 일반화를 입증하였다. 코드는 https://github.com/KONGBAI-8080/ReLo-IRR에서 공개되었다.
확산 기반 생성 모델은 시각적 콘텐츠 합성을 혁신했지만, 무단 사용에 취약하고 신뢰할 수 있는 출처 귀속(attribution) 방법이 부족하다. 기존 워터마킹 기법들은 잠재 텐서(latent tensor)를 정적 공간 특징 맵으로 취급하거나 픽셀 도메인 수정에 의존하는 경우가 많으며, 대부분 이중 대역 중복 임베딩을 위해 잠재 공간의 내부 주파수 구조를 명시적으로 활용하지 않아 확산의 확률적 특성과 재생성 공격(regeneration attack)에 취약하다. 우리는 BiSLW를 제안한다. BiSLW는 학습된 인코더와 디코더를 사용하여 디코딩된 확산 잠재 공간의 상호보완적 스펙트럼 대역에 정렬된 식별 신호(identity signal)를 공동으로 임베딩하는 학습 가능한 이중 스펙트럼 잠재 워터마킹 프레임워크로, 고정 패턴 주파수 방식을 넘어선다. 우리는 확산 잠재 공간의 고유한 주파수 구조를 활용하여 이중 대역 워터마킹 프레임워크를 설계한다. 저주파 성분은 전역 의미(global semantics)를 인코딩하고, 고주파 성분은 세밀한 텍스처를 포착한다. 우리는 이 구조를 활용하여 상호보완적인 스펙트럼 대역에 걸쳐 워터마크를 임베딩한다. 워터마크는 학습된 인코더를 통해 두 대역에 독립적으로 삽입되고 디코딩 전에 재결합되어, 생성 궤적(generative trajectory)에 본질적으로 통합된다. 이중 스펙트럼 디코더는 각 대역에서 워터마크를 복원하며, 교차 대역 일관성 제약(cross-band consistency constraint)은 의미적 임베딩과 텍스처 임베딩 간의 정렬을 강제한다. 실험 결과, BiSLW는 지각적 충실도(perceptual fidelity)와 견고성 사이에서 강력한 균형을 달성하며, 기존 잠재 확산 워터마킹 방법 대비 PSNR을 3 dB 이상 향상시키는 동시에 공격적인 재생성 및 일반적인 왜곡 하에서도 거의 완벽한 비트 정확도를 유지하며, 이 모든 것을 무시할 수 있는 수준의 계산 오버헤드로 달성한다.
확산 모델이 이미지 합성에 혁신을 가져왔음에도 불구하고, 실세계 역문제(inverse problem)에의 적용은 대규모 데이터셋의 필요성과 엄격한 물리적 제약을 부과하는 어려움으로 인해 종종 제한된다. 본 연구에서는 광범위한 사전학습 없이 비적정(ill-posed) 이미징 태스크를 해결하도록 설계된 프레임워크인 SE-UNet(Singular Equivariant UNet)을 제안한다. 생성을 기하학적 등변성($D_4$ 군) 및 특이값 게이팅(singular value gating)에 의해 제약된 최적화 문제로 취급함으로써, SE-UNet은 해 공간을 효과적으로 표준화한다. 이러한 강력한 귀납적 편향(inductive bias)이 CIFAR-10에서 최첨단 제로샷 인페인팅 결과(80% 픽셀 누락)를 가능하게 함을 입증한다. 본 방법은 Deep Image Prior (DIP) 기반선 대비 PSNR에서 4 dB 이상을 능가하며, 신호 다양체(signal manifold)로 빠르게 수렴하는 특유의 "singular snap" 수렴 특성을 보인다. SE-UNet은 이론적 사전(prior)과 실용적 배포를 연결하는 ReALM-GEN 목표에 부합하는, 제약 생성을 위한 데이터 효율적 경로를 제공한다.
확산 기반 텍스트-이미지 모델은 복잡하고 고도로 구조화된 시각적 콘텐츠를 합성할 수 있지만, 의미론적 구조의 출현과 진화는 여전히 해석하기 어렵다. 기존의 많은 워크플로우는 시간적 변화를 이미지 공간 증거와 분리하는 집계된 어텐션 또는 스칼라 요약에 의존한다. 이러한 격차를 해소하기 위해, 우리는 확산 모델에서 어텐션 다이나믹스를 탐색하는 시각적 분석 프레임워크를 제안한다: 토큰 수준 크로스-어텐션 맵의 스텝별 진화, 시간적 집중도, 공간적 관계가 그 대상이다. 우리의 접근 방식은 대화형 워크플로우에서 정량적 측정과 데이터 기반 단계 식별을 통합하여 생성 스텝에 걸친 어텐션 동작의 구조적 분석을 가능하게 한다. 구조화된 60개 프롬프트 Stable-Diffusion 클래스 벤치마크에 대한 사례 연구는 이 설정 내에서 반복적이고 해석 가능한 패턴을 보여주며, 연결된 시간적 및 공간적 뷰가 생성 과정의 관찰과 논의를 어떻게 촉진하는지 제시함으로써 보다 효과적인 인간-AI 협업을 지원한다.
텍스트-이미지(Text-to-Image) 확산 모델은 학습 데이터로부터 상속된 유해한 바이어스를 전파하는 경우가 많다. 기존의 바이어스 완화 기법은 주로 텍스트 인코더에만 개입하거나 추론 시점의 가이던스만을 제공하여, 종종 생성 결과가 의미적으로 비일관적인 출력으로 붕괴되는 문제를 초래한다. 이러한 한계를 해결하기 위해, 우리는 모델의 내부 개념 온톨로지(concept ontology)에 작동하는 개념 그래프 정렬 기반의 새로운 바이어스 완화 접근법인 CO-ALIGN(Concept Ontology Alignment)을 제안한다. CO-ALIGN은 텍스트 인코더와 디노이저(denoiser) 내의 개념을 정렬함으로써 생성적 무결성을 보존하면서 상당한 바이어스 감소를 달성한다. 우리는 텍스트 인코더, 디노이저, 텍스트-디노이저 공동 온톨로지 정렬의 세 가지 패러다임에 걸쳐 개념 그래프 정렬의 효과를 입증한다. CO-ALIGN은 최신 기법을 능가하여 공정성을 $30\%$ 향상시키고, 이미지 품질에서 $\Delta FID=11.4$, 이미지 충실도에서 $2.8\%$를 개선하는 동시에, 의미적으로 비일관적인 출력을 $88\%$ 감소시킨다. 바이어스 완화를 넘어, CO-ALIGN이 다른 다운스트림 태스크에도 이점을 제공함을 보인다. 특히, 우리의 실험은 더 잘 정렬된 내부 온톨로지가 여러 언러닝(unlearning) 기법에 걸쳐 개념 언러닝 강건성을 향상시킴을 입증한다.
시각적 생성 모델의 강화학습(RL) 파인튜닝에서 샘플 단위 보상 함수가 초래하는 보상 해킹(reward hacking)과 모드 붕괴 문제를 해결하기 위해, FID를 분포 단위 보상 신호로 활용하는 새로운 프레임워크를 제안한다. 생성된 참조 집합의 일부만 교체하는 subset-replace 전략으로 계산 비용을 줄이고, SDE 기반 학습과 ODE 기반 추론 간의 불일치를 해소하기 위해 사후 모델 병합 계수를 RL로 최적화하여 SiT의 FID-50K를 8.30→5.77, EDM2는 3.74→3.52로 개선했다.
확률론적 미분방정식(SDE)과 디퓨전 모델(diffusion model)에 익숙하지 않은 대학원 입문자를 위해, 샘플링 이론부터 현대 스코어 기반 디퓨전 모델, 오차 분석, 추론 시간 제어까지를 증명 중심으로 체계적으로 소개하는 강의 노트이다. Langevin 동역학, DDPM, 이산 디퓨전, 보상 기울이기(reward tilting), 추론 시간 강화학습(inference-time RL)까지 단일한 흐름으로 다루며 핵심 정의와 대표적 추정치를 직접 증명한다.
텍스트-이미지 디퓨전 모델의 실제 배포 환경에서 개인정보·저작권·안전성 의무가 지속적으로 발생함에 따라 개념을 순차적으로 제거하는 연속적 언러닝(continual unlearning)이 필요하지만, 기존 방법들은 3~5회 적용 후 붕괴된다는 한계가 있다. 이를 해결하기 위해 제안된 LACU(Locality-Aware Continual Unlearning)는 score-prediction distance를 기반으로 각 삭제 프롬프트에 가장 가까운 안전한 대체 타겟을 선택하는 Locality-Aware Target Selection과, 삭제 개념의 인접 개념을 우선 리플레이하여 보호하는 Locality-Aware Replay를 결합해 10단계 연속 언러닝에서 기존 기법 대비 관련 보존 정확도(RR_acc)와 일반 보존 정확도(GR_acc)를 크게 향상시켰다.
AVSR-Diff는 고정 배율에 제한된 기존 확산 모델 기반 비디오 초고해상도(VSR)와 좌표 기반 임의 배율 방법의 과도한 블러 문제를 동시에 해결하기 위해, 스케일 무관 잠재 디노이징과 연속 좌표 렌더링을 분리한 디커플드 프레임워크를 제안한다. Temporally-Gated Feature Recurrence(TGFR) 모듈로 시간적으로 정렬된 잠재 사전(latent prior)을 추출하고, Scale-Aware Fourier Refinement(SAFR) 모듈로 목표 배율에 따라 주파수 성분을 동적으로 조절하여, 임의 배율에서 최신 기법을 능가하는 고주파 디테일과 시간적 일관성을 달성했다.
T2I 확산 모델의 안전성 정렬이 FID, CLIPScore 같은 거친 지표에서는 유용성을 유지하는 것처럼 보이지만, TIFA 기반 구조적 평가에서는 객체 수·속성·관계 등 세밀한 의미론적 충실도가 크게 저하되는 '높은 유용성의 환상'이 존재함을 밝혔다. 이 원인으로 텍스트 인코더 임베딩 공간의 수축과 이웃 구조 왜곡인 '의미론적 붕괴(semantic collapse)'를 규명하고, 이를 억제하는 구조 인식 기하학적 정규화(SAGE)를 제안하여 선행 최신 기술 대비 TIFA +5.0% 향상을 달성했다.
DDIM 기반의 이중 확산 프레임워크 DiSIINet은 의료 영상 화질 향상(enhancement)과 분할(segmentation)을 독립적으로 처리하던 기존 방식과 달리, 새로운 SII(Symbiotic Information Interaction) 모듈의 크로스 어텐션을 통해 두 브랜치가 역방향 확산 과정에서 양방향으로 특징을 교환하며 상호 강화한다. MRI, CT, 초음파 등 다중 모달 의료 데이터셋 실험에서 순차적·독립적 방식 대비 유의미한 성능 향상을 달성했다.
텍스트-이미지 모델을 별도 학습 없이 인페인팅(inpainting)에 활용할 때 성능이 떨어지는 문제를 해결하기 위해, 디노이징 경로의 선형 근사로 역전파 없이 초기 노이즈 샘플을 최적화하고 Adam 옵티마이저를 활용한 스펙트럼 사전조건화(spectral preconditioning)로 최적화를 안정화하는 SONIC을 제안한다. FFHQ, DIV2K, BrushBench 벤치마크에서 SSIM, LPIPS, FID 지표 모두 기존 최고 성능을 뛰어넘었다.
Concept erasure methods aim to remove specific unsafe target concepts in diffusion models while preserving image generation utility. To address the vulnerability that erased concepts can be easily recovered under adversarial attacks, adversarial concept erasure methods integrate adversarial optimization into the concept erasure process. However, existing adversarial concept erasure methods face a trade-off between robustness and computational cost. We attribute this to adversarial optimization techniques that use random samples to approximate the adversarial objective function. Adversarial optimization that uses a small number of samples fails to produce adversarial embeddings that accurately capture the target concept space. To mitigate this limitation, we propose Semantic-Guided Adversarial Optimization, which uses a single sample to produce adversarial embeddings that better capture the target concept space. We also propose Semantic-Guided Concept Erasure, which automatically maps the target concept to a semantically similar surrogate. Extensive experiments on not-safe-for-work content, artistic styles, and object-related concepts demonstrate that our method, S-GRACE (Semantic-Guided Robust Adversarial Concept Erasure) achieves state-of-the-art erasure robustness and superior image generation utility, with significantly lower computational cost than existing methods. Our code is available at https://github.com/Qhong-522/S-GRACE.
강화학습(RL)은 디퓨전 기반 이미지 합성 모델의 사후 학습을 위한 표준 기법으로 자리잡았으며, 보상 신호로부터 학습하여 이미지 품질 및 프롬프트 정렬과 같은 바람직한 속성을 명시적으로 개선할 수 있다. 본 논문에서는 쌍을 이루는 궤적을 샘플링하고 더 우수한 이미지 방향으로 플로우 속도를 당김으로써 모델 업데이트의 분산을 줄이는 온라인 강화학습 변형을 제안한다. 각 샘플링 단계를 별도의 정책 행동으로 취급하는 기존 방법과 달리, 우리는 전체 샘플링 과정을 단일 행동으로 간주한다. 보상으로 고품질 비전-언어 모델과 기성 품질 메트릭 모두를 활용하여 실험하고, 다양한 메트릭 집합을 사용하여 출력을 평가한다. 우리의 방법은 이전 접근법보다 더 빠르게 수렴하며 더 높은 출력 품질과 프롬프트 정렬을 달성한다.
We introduce a novel technique for scalable sampling of spin-system states with continuous symmetries using diffusion models. By applying our approach to the XY model, a fundamental continuous-spin model in condensed matter physics, we show that our technique addresses the shortfalls of the Markov chain Monte Carlo (MCMC) in generalization to varying system sizes. More specifically, we show that training a temperature-conditioned diffusion model on smaller-size XY model lattices enables the generation of accurate samples in larger lattice sizes. By tracking physically important observables of the model, such as spin correlations, our experiments demonstrate that diffusion sampling followed by a few MCMC steps reduces the thermalization time by an order of magnitude relative to the standard MCMC with random initialization. Our study provides valuable insight as to how generative models can be used to study continuous-state condensed matter systems at scale.
Deterministic few-step generation succeeds on continuous image latents but collapses to incoherent text on continuous text latents, and we show the cause is geometric rather than a training or scaling deficiency: a smooth, regularity-limited deterministic map cannot resolve a discrete branch choice before a sharp categorical readout, so few-step failure is governed by decoder sharpness, not transport accuracy. In the overlapping regime of real text autoencoders, we prove (Theorem 3) that the posterior-mean terminal step flips tokens at the rate of the latent mass in an $O(s(t))$ tube around decision boundaries. Two diagnostics, DABI (readout sharpness) and CCI (categorical commitment), measured on published checkpoints show that four independently built continuous-text decoders amplify a boundary-aligned perturbation far beyond a norm-matched isotropic one (DABI from $5\times10^{2}$ to $>10^{5}$), while image decoders have DABI $\approx 1$. Two mechanisms escape the continuous bound: categorical commitment (autoregressive decoders succeed despite sharper readouts) and stochastic re-injection (deterministic ODE at $K=4$ gives PPL 294 versus SDE 50 on the same model). In the idealized separated regime we prove matching sharp transport laws, including a dimension phase diagram: the deterministic stiffness needed to separate $M$ modes grows as $Θ(\sqrt{\log M})$ once the latent dimension is $Ω(\log M)$ (and as $M^{1/n}$ in fixed dimension), with a depth-$B$ hierarchy giving a $\sqrt{B}$-smaller per-step peak (Theorems 5-7); a coarea identity links these to the overlapping tube (Theorem 17). The result is an accuracy-depth-stiffness tradeoff: within the deterministic-continuous class the cost is irreducible, and both escapes step outside it.