optimal transport
PulseAugur coverage of optimal transport — every cluster mentioning optimal transport across labs, papers, and developer communities, ranked by signal.
- uses Diffusion Models 90%
- instance of Entropic Optimal Transport 90%
- instance of alphaXiv 70%
- instance of Gotit.pub 70%
- used by Gotit.pub 70%
- used by alphaXiv 70%
- instance of ScienceCast 70%
- instance of CatalyzeX 70%
- used by CatalyzeX 70%
- used by Gromov--Wasserstein 70%
- used by Sinkhorn 70%
- instance of Gromov--Wasserstein 70%
14 天有情绪数据
-
新研究强调生成模型中的路由差异
一篇新论文探讨了生成模型中最优传输（OT）和流匹配（FM）之间的差异。虽然OT可以降低FM中的噪声-数据耦合成本，但该论文认为仅凭成本不足以指导耦合设计。研究人员证明，FM和OT可以在保持相似成本的同时展现出不同的路由模式。他们开发了一种路由感知训练耦合，与成本匹配的替代方案相比，在生成方面显示出持续的改进，这表明成本和路由对于评估基于OT的FM耦合都至关重要。
-
新的 BalLOT 方法利用最优传输增强了平衡 k-均值聚类
研究人员推出了一种新颖的平衡 k-均值聚类方法 BalLOT，该方法利用最优传输。该方法旨在提供快速有效的解决方案，并得到理论保证和经验验证的支持。研究表明，BalLOT 可以产生积分耦合，并为恢复嵌入式聚类提供理论保证，而提出的初始化方案能够实现单步恢复。
-
新方法将一致性预测扩展到多元设置
研究人员开发了一种新颖的方法，将一致性预测扩展到多元设置，解决了复杂模型中不确定性量化的一个关键限制。这种新方法利用最优输运来构建多元一致性预测分布，提供有限样本校准和覆盖保证。该方法允许对预测集进行表征，并提供了经典Dempster-Hill过程的泛化版本，从而能够更细致地理解可能的结果及其相对可能性。
-
新研究通过加速算法推进偏最优传输
两篇新研究论文探讨了偏最优传输（POT）的进展，POT 是一种放宽严格质量守恒约束以实现更广泛应用的方法。第一篇论文介绍了一种使用稀疏和结构化正则化器（如弹性网络）的加速一阶算法，在颜色迁移、域适应和点云配准方面表现出改进的性能。第二篇论文将偏识别问题构建为多边熵最优传输问题，可通过 Sinkhorn 迭代解决，为模型参数无法唯一识别的统计场景提供了一种统一的方法。
-
FLOW框架利用最优传输增强远程生理测量
研究人员推出FLOW（特征级最优扭曲）框架，该框架旨在利用光电容积脉搏波描记法（rPPG）改进远程生理测量。FLOW通过采用最优传输方法实现域泛化，以应对光照变化、运动和传感器类型等挑战。该框架包括一个用于稳定信号动态的时间细化模块（Temporal Refinement Module）和一个用于不变特征对齐的基于原型的跨时间最优传输模块（Prototype-based Cross-Temporal Optimal Transport…
-
新框架通过分区最优传输解决多智能体分布匹配问题
研究人员开发了一种使用分区最优传输的多智能体分布匹配新框架。该方法通过将智能体和目标样本划分为更小的块来解决局部传输问题，从而解决了传统全局离散传输的计算成本问题。该方法与Wasserstein目标保持着严格的联系，并为传输代理提供了周期到周期的下降保证，从而实现了智能体控制的可扩展解决方案。
-
新的OTRetarget方法使机器人能够模仿人类运动和物体操作
研究人员开发了OTRetarget，一种将人类运动转移到人形机器人（包括物体操作）的新颖方法。该方法使用熵最优传输来保持与地面和物体的交互一致性，即使在身体比例不同时也是如此。OTRetarget联合优化机器人和物体姿态，在机器人-物体交互方面取得了高Jaccard分数，并在模拟中实现了低深度误差。该方法已成功在物理G1人形机器人上演示了拾放等任务。
-
ColNanoVDR 通过文档无关蒸馏实现更快的视觉文档检索
研究人员开发了 ColNanoVDR，一个用于多向量视觉文档检索中文档无关查询蒸馏的新框架。该方法允许较小的学生模型高效地查询大型教师模型，而无需处理或缓存大量的页面数据。该框架利用具有学习权重的最优传输 (OTW) 目标来对齐学生查询令牌与教师嵌入，实现了教师性能的约 95%，同时显著加快了查询编码速度。
-
新研究探讨物理信息神经网络和算子 · 追踪10个来源
多篇研究论文探讨了物理信息神经网络（PINNs）和神经网络算子的进展。一项研究调查了机器学习模型中改进的分数是否能直接转化为翼型周围流动模拟的更好物理精度。另一篇论文质疑了PINNs对自动微分的依赖，认为数值精度不能保证物理保真度。其他研究引入了新颖的架构和训练方法，例如用于界面对流的无数据算子、使用嘈杂的蒙特卡洛估计进行粒子输运训练，以及用于改善物理信息训练中条件化的预处理损失。还提出了因果积分项和梯度手术等技术，以增强PINNs在…
-
新框架通过部分监督改进医学图像分割
研究人员开发了一种新颖的两阶段框架，用于医学影像中的多器官分割，旨在克服部分标注数据集和域偏移带来的挑战。第一阶段侧重于从可用标注中学习以构建强大的特征表示，第二阶段引入了可学习的器官原型和Sinkhorn-三元组损失。该损失函数即使在没有直接标注的情况下，也能促进不同数据集之间相同器官的特征一致性，并增加不同器官之间的分离度。所提出的方法在BTCV数据集上的性能与现有的最先进技术相当，具有计算效率高和有效缓解域偏移的优点。
-
TecoPrompt 通过时序保守提示学习增强视觉-语言模型
研究人员开发了 TecoPrompt，一种用于视觉-语言模型鲁棒提示学习的新框架，在噪声监督下尤其有效。该方法从时序角度利用最优传输 (OT) 伪标签，通过检查多个 epoch 的轨迹稳定性来验证标签的可靠性。TecoPrompt 在各种数据集上取得了显著的性能提升，包括在具有大量噪声的 OxfordPets 数据集上准确率的显著提高。
-
新的 arXiv 论文将物理学概念与机器学习应用联系起来
一篇新发表在 arXiv 上的综述论文探讨了控制论、最优传输、概率推理、非平衡热力学与机器学习之间的深刻联系。该论文强调了这些不同领域如何围绕在各种约束条件下优化自由能类泛函这一共同主题。它旨在通过对这些概念进行导览，即使没有物理学专业知识也能理解，并展示了在强化学习、变分推理和生成模型等领域的应用。
-
新方法使用最优传输进行监督图预测
研究人员开发了一种新的监督图预测（SGP）方法，该方法解决了具有任意节点顺序的预测图和目标图的比较难题。该方法利用最优传输松弛，特别是Gromov-Wasserstein目标函数，该函数已被确定为最适合SGP。为了提高效率，该方法通过使用基于Sinkhorn算法的参数化匹配器来摊销图匹配问题，从而允许图预测模块和匹配器联合学习。
-
新的最优传输方法增强了工业异常检测能力
研究人员开发了一种新的无监督异常检测框架，使用最优传输（OT）专门针对工业数据。该方法只需要最少的用户输入和无标记训练数据，使其能够适应实时条件，并能应对工业中常见的挑战，如噪声和数据缺失。与传统方法相比，该框架展示了更高的准确性和更少的误报，同时还提供了反事实解释以增强可审计性。
-
GeoTTER框架利用最优传输改进零样本分类
研究人员推出了GeoTTER，一个旨在通过改进最优传输方法来增强零样本分类的新框架。GeoTTER通过图-拉普拉斯平滑整合局部几何结构并利用多目标优化纠正相干角度漂移，解决了传统方法的局限性。该新颖框架表现出显著的改进，在各种基准测试中，相较于标准的零样本方法平均提高了6.82%，相较于OTTER方法平均提高了2.13%。
-
新的流匹配技术改进生成式AI和逆问题求解 · 跟踪3个来源
研究人员开发了流匹配的新方法，这是一种用于生成式AI的任务技术，如图像生成。一篇论文介绍了CyFM，它使用圆柱形最优传输来改进复值信号的生成，例如在磁共振成像中的信号。另一篇论文提出了Prism-LoRA，一个旨在通过在过程中改进梯度对齐来降低流匹配相关的高微调成本的框架。第三项研究提出了一种用于求解逆问题的条件流匹配的原则性方法，能够以更少的计算步骤实现更快、更忠实的重建。
-
深度学习模型加速物理数据最优传输计算
研究人员开发了一种新颖的深度学习模型，称为度量感知粒子流网络（Metric-Aware Particle Flow Network），旨在近似复杂数据集的最优传输计算。该模型采用深度集合（Deep Sets）架构构建，并融入了特定的归纳偏置，旨在加速大规模数据的分析，尤其是在高能物理领域。通过强制执行非负性和零自距离等几何属性，该网络在推理速度上相比现有方法有了显著提高，同时保持了高精度，证明了针对几何保真度进行特定神经网络约束的有效性。
-
新的 HELLO 求解器大幅提升大规模最优传输性能
研究人员开发了 HELLO，一种新颖的分层求解器，旨在解决大规模最优传输（OT）问题。该方法将 OT 视为一个边缘定位任务，利用双势能进行初始化和精炼。与现有方法相比，HELLO 在数千维度的百万级数据点规模下，实现了显著的运行时间改进和更低传输目标。该框架还展示了在单个 NVIDIA H100 GPU 上扩展到 8192 维度的 128 万个样本的能力，内存使用可控，同时保持高精度。
-
新框架通过流匹配和安全约束增强机器人策略 · 跟踪 4 个来源
研究人员开发了几个新的框架来改进强化学习中的基于流的策略，特别是在机器人领域。这些方法旨在解决多模态动作分布和需要安全、符合约束的动作等挑战。诸如基于精炼的流策略优化 (RFPO) 和 OptiFlow 等技术利用值引导和最优传输来更好地表示复杂的动作空间并避免模式崩溃。另一种方法，值引导流匹配 (VGFM)，将值引导直接集成到流匹配过程中，而无需复杂反向传播。此外，ActSafeGuard 引入了一个可微分的安全卫士层，以确保机器人…
-
新框架改进了无监督可见光-红外行人重识别
研究人员开发了一个新的无监督可见光-红外行人重识别框架，解决了现有跨模态关联方法的局限性。所提出的方法利用模态统一原型来优化模态内和跨模态的相似性关系，增强模态不变性。该方法通过原型引导的自蒸馏进一步完善实例-原型关系，创建了一个简单而有效的模型，该模型在标准基准测试中表现强劲。