最近 arXiv 上的两篇论文介绍了一种解决最优传输（OT）问题的新方法，OT 是比较概率分布的关键技术。第一篇论文《通过不动点优化实现隐式神经最优传输》提出了一种单网络框架，通过将 OT 重构为不动点问题，避免了对抗性训练和复杂架构。第二篇论文《变分熵最优传输》为熵 OT 提出了一种新的优化原理，通过使用变分重构，绕过了计算密集型的基于仿真的训练。这两种方法都旨在提高图像翻译和域适应等任务的效率、稳定性和可扩展性。 AI
影响 这些新的最优传输方法可以提高域适应和图像翻译等任务中机器学习模型的效率和准确性。
排序理由 在 arXiv 上发表的两篇学术论文提出了最优传输问题的新理论和计算方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.10792v2 Announce Type: replace-cross Abstract: We propose an implicit neural formulation of optimal transport that eliminates adversarial min--max optimization and multi-network architectures commonly used in existing approaches. Our key idea is to parameterize a singl…
arXiv:2602.02241v2 Announce Type: replace Abstract: Entropic optimal transport (EOT) in continuous spaces with quadratic cost is a classical tool for solving the domain translation problem. In practice, recent approaches optimize a weak dual EOT objective depending on a single po…