Brenier

CyclOT框架学习来自非配对数据的二次最优传输图

研究人员推出了一种新颖的神经网络框架CyclOT，用于从高维非配对样本中学习二次最优传输图。这种双向方法利用同步的前向-后向插值以及结合了双向二次作用、判别器约束的Jensen-Shannon端点目标和循环一致性的训练目标。该方法不需要预先计算的样本配对或显式的凸势参数化。理论结果表明，在特定条件下，该方法能够恢复最优传输图，并且在MNIST和CelebA等各种数据集上的实验验证了其性能。