实体
Gromov-Wasserstein distance
Gromov-Wasserstein distance
PulseAugur coverage of Gromov-Wasserstein distance — every cluster mentioning Gromov-Wasserstein distance across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
综述论文详述了用于机器学习中网络比较的最优传输
一篇新的综述论文探讨了最优传输方法在比较网络中的应用，特别是在机器学习背景下。该论文详细介绍了三种主要的距离：Wasserstein、Gromov-Wasserstein 和 Bures-Wasserstein，并考察了它们在无向、无权重图上的性质。它还讨论了这些距离如何揭示节点影响力，并提供了使用拉普拉斯谱界定距离的方法。最后，该综述通过使用合成和真实网络数据进行聚类和异常检测任务来评估这些最优传输距离。
-
研究人员提出使用Gromov-Wasserstein距离来选择VLM的视觉编码器
研究人员开发了一种新的方法来选择视觉语言模型（VLM）的最佳视觉编码器。传统的选择编码器的方法，如选择高精度或大尺寸的编码器，被发现效果不佳。该研究引入了Gromov-Wasserstein距离作为衡量模态间结构相似性的指标，该指标与VLM的性能高度相关。这一新指标可以在完全训练之前有效预测VLM的性能。