使用投影和子空间的替代方法优化原始的最优输运问题,同时研究其在不同领域的应用,包括黎曼流形、不平衡最优输运问题、梯度流和概率测度空间中的 Busemann 函数以及 Gromov-Wasserstein 距离的推广。
Nov, 2023
本文针对高维离散量之间的 Wasserstein 距离提出了具有鲁棒性的 “Max-Min” 方案,通过将量投影到一个较低维的子空间来最大化它们之间的距离。此外,我们提出了一种基于熵正则化的算法来解决相关问题,并在实验中显示了其优越性。
Jan, 2019
本文利用基于投影健壮性的最优输运(OT)距离作为损失函数来研究参数推断,基于多维维度的视角建立了多个基本统计属性,提出了平均最优输运(IPRW)距离,并给出了复杂性界限和渐进保证。最后,在模型错误说明下给出了最小 PRW 估计量的两种渐进保证,并为具有投影维数大于 1 的 PRW 设计了新颖的变分分析和统计理论的组合。
Jun, 2020
该研究提出了一种使用 Optimal Transport map 直接在高维图片空间中进行生成建模的算法,并在图像恢复等任务上验证了其有效性。
Oct, 2021
本文提出了一个新颖的两步方法来解决基本问题,即从一个分布学习到另一个分布的最优映射,首先我们学习一个最优传输(OT)方案,其次我们估计 Monge 映射作为一个深度神经网络,演示了我们的建议方法在域适应和生成建模方面的应用。
Nov, 2017
通过引入高斯平滑的方法,本文提出了一种新颖的高斯平滑最优输运(Gaussian-smoothed OT)框架,以在保持 1-Wasserstein 度量结构的同时消除了实证逼近的维数诅咒,并在实证研究中证实了其可行性和优越性,为信息科学领域中的最优输运理论和应用提供了新思路。
Jan, 2020
通过核技巧在再生核希尔伯特空间中提出了计算两个高斯混合模型之间距离的沃瑟斯坦类型度量的方法。
Oct, 2023
本文探讨了在概率测度空间 P(X)中,使用最优传输(Wasserstein)几何将被限制为该度量下的测地线段的曲线,以高效地总结该系列测度。我们展示了在最优传输几何中,重要概念可以通过使用 Wasserstein 平均值和微分几何,找到自然的等效物。然而,应用这些想法是具有挑战性的。为了处理数千个测度和实现可扩放的算法,我们建议使用放松的测地线定义和正则化的最优传输距离。本文的方法在将图像视为形状或颜色直方图方面具有重要意义。
Jun, 2015
本文提出了一种基于图测度空间的概率测度支持的 Sobolev transport metric, 该度量具有计算速度快和负定性等优点,并且可以用于构建正定核,在文本分类和拓扑数据分析中表现良好。
Feb, 2022
本文提出一种可有效计算高维数据分布之间优化映射的估计器,使用 Sinkhorn 算法计算最优熵方案的重心投影,兼具计算效率高和统计性能较好的优势。
Sep, 2021