Multi-GWMDS

公布了用于 Gromov-Wasserstein 嵌入的新归纳式框架

研究人员开发了一种新的 Gromov-Wasserstein 多维标度 (GW-MDS) 归纳式框架，该框架允许映射未见过的样本。这种方法称为重心蒸馏，它使用教师模型从训练数据中学习潜在表示和最优传输计划。然后，学生神经网络通过利用重心投影来学习显式的样本外映射，从而有效地将传导式 GW 嵌入与归纳式神经网络映射联系起来。实验表明，这种蒸馏模型在新数据上保留了教师的几何结构，并且优于直接的神经网络 GW 训练。