Distance-Matrix Wasserstein

新的DMW方法为复杂数据结构提供可扩展的比较

研究人员开发了一种名为距离矩阵Wasserstein (DMW)的新方法，以更有效地比较图和点云等复杂数据结构。该方法将计算密集型的Gromov--Wasserstein (GW)距离问题放松为一系列Wasserstein统计量，用于比较随机距离矩阵的分布。DMW被证明是GW的下界，其差距受采样误差控制，并通过切片和多尺度变体提供可扩展的计算。实验表明，DMW在各种应用中有效地充当了结构比较的代理。