基于几何感知的最优传输校准器味贴标签

味贴校准器通常以有限工作点测量的标度因子或作为某一单维判别器的分箱校正提供，但这种做法不足以在现代标签的多组成分输出上提供连续、事件级的校准。此限制导致信息损失， restricts analyses to a limited set of predefined variables。本文提出一种几何感知框架，将味贴校准建模为概率单纬面上的最优传输问题。传输图在等距对数比坐标系中进行参数化和训练。由于该坐标系中Brenier传输的二次欧几里得代价等价于单纬面上的Aitchison距离，所学习的映射在Aitchison几何下实现最小变形。进一步，我们采用期望最大化（EM）技术从控制区域数据中直接提取味 conditionals target 分布，该技术同时拟合多个控制区域、对每种味成分采用正规化流模型，并估计区域混合比例。提取的目标随后用于学习味因子化传输图。由于联合估计混合比例和灵活成分密度存在弱约束方向，我们进一步引入线性反馈算子分析，将拟合的组成协方差传递到提取的成分密度中，区分数据受约束模式与组成先验主导的模式。仿真基的闭合研究表明，在专用控制区域和独立验证混合物中，闭合性显著改善。