Oct, 2023

高斯混合模型空间中的 Gromov-Wassertein 类距离

PDF
TL;DR该研究论文介绍了两种 Gromov-Wasserstein 类型的距离，用于高斯混合模型集合。这些距离可作为 Gromov-Wasserstein 的替代品，用于评估两个分布间的差异，并且为点云之间的最优传输计划提供了一种定义方式。同时，该研究还提供了实际应用案例，如形状匹配和高光谱图像颜色转换。
gromov-wasserstein-type distancesgaussian mixture modelsalternative distanceoptimal transportation planshape matching
发现论文，激发创造
  • 高斯混合模型空间中的 Wasserstein 型距离

    此研究介绍了一种基于 Wasserstein 距离的方法，用于高维数问题中的 Gaussian 混合模型的优化问题，并讨论了它的性质和在图像处理中的应用。

    Jul, 2019

  • 重访 Gromov-Wasserstein 距离中的不变性并引入先验

    提出了一种新的基于最优输运的距离度量方法，称为增强型 Gromov-Wasserstein，在保持对几何变换的某种程度刚度的同时，结合特征对齐，以更好地利用输入数据的先验知识，用于单细胞多组学对齐任务和机器学习中的迁移学习场景。

    Jul, 2023

  • 不平衡 Gromov Wasserstein 距离：锥形式和松弛

    提出了两种不平衡的 Gromov-Wasserstein 公式：一种是基于松弛质量守恒约束的正定差异，另一种是基于锥形提升的等距测距，它们都允许比较拥有正定度量的任意正度量的测度空间 (isometries)。

    Sep, 2020

  • 结构化对象的融合 Gromov-Wasserstein 距离：理论基础与数学性质

    本文提出了一种融合了特征和结构信息的新型距离度量，即融合 Gromov-Wasserstein 距离，它的数学框架被证明具有度量和插值属性，并提供收敛于有限样本的浓度结果。此外，我们还展示和解释了该方法在涉及结构化对象的各种情景中的应用。

    Nov, 2018

  • Gromov-Wasserstein 距离的快速梯度计算

    我们提出了一种新的方法，通过动态规划技术加速精确梯度计算，将复杂度从立方降低到二次，从而突破了原有的计算瓶颈，可以在总二次时间内获得新的熵解，这几乎是最优复杂度。大量实验证实了我们方法的高效性和有效性。

    Apr, 2024

  • 切片 Gromov-Wasserstein

    提出一种新的基于 Gromov-Wasserstein 距离的分歧方法，称为 Sliced Gromov-Wasserstein，它可以通过分片方法处理大规模分布，并在实验中证明了其与 GW 相比处理能力更强但计算速度更快。

    May, 2019

  • 在低维欧几里得空间全局解决点云的 Gromov-Wasserstein 问题

    提出了一种计算低维空间中两组点之间 Gromov-Wasserstein 问题的框架，通过将 Quadratic Assignment Problem (QAP) 重新表述为低维域的优化问题来解决计算复杂度的挑战。该方法适用于具有成千上万个点的大规模问题，可用于找到全局解，并在合成问题和计算生物学中的一个感兴趣的问题上与最先进的方法进行比较。

    Jul, 2023

  • 网络与稳定网络不变量的 Gromov-Wasserstein 距离

    本文提出了敏感于异常值的加权有向网络示度着距离度量 —— 网络 Gromov-Wasserstein 距离，通过基于最优输运的网络不变量近似该距离的下界，并分别在多个模拟网络数据集和全球双边迁移数据集上进行了测试。

    Aug, 2018

  • 基于最优输运的结构化数据处理及其在图形学中的应用

    该研究考虑如何计算结构化对象间的距离，并提出了一种新的用于概率分布度量的运输距离 ——Fused Gromov-Wasserstein（FGW），成功在图分类任务中超越了传统方法，对于图的聚类问题也起到了积极的作用。

    May, 2018

  • 跨不可比空间学习生成模型

    本文介绍了一种基于 Gromov-Wasserstein 距离的生成式模型学习方法，可以在不同空间里学习并掌握目标特性，具有应用于流形学习、关系学习和跨域学习等任务的灵活性。

    May, 2019