Petr Mokrov

新方法简化了机器学习的最优传输

最近 arXiv 上的两篇论文介绍了一种解决最优传输（OT）问题的新方法，OT 是比较概率分布的关键技术。第一篇论文《通过不动点优化实现隐式神经最优传输》提出了一种单网络框架，通过将 OT 重构为不动点问题，避免了对抗性训练和复杂架构。第二篇论文《变分熵最优传输》为熵 OT 提出了一种新的优化原理，通过使用变分重构，绕过了计算密集型的基于仿真的训练。这两种方法都旨在提高图像翻译和域适应等任务的效率、稳定性和可扩展性。