通过部分传输改进小批量最优传输
机器学习
2022-06-08 v4 机器学习
摘要
小批量最优传输 (m-OT) 近年来被广泛用于解决大规模应用中 OT 的内存问题。尽管具有实用性，m-OT 存在错误指定映射的问题，即在小批量级别上最优、但与原测度间最优传输方案相比部分错误的映射。受此问题启发，我们提出一种新颖的小批量方法，在小批量经验测度间使用部分最优传输 (POT)，称为小批量部分最优传输 (m-POT)。借助部分传输的见解，我们解释了 m-OT 中错误指定映射的来源，并说明为何通过 POT 限制小批量间传输质量可缓解错误映射。最后，我们在深度域适应、部分域适应、深度生成模型、颜色迁移和梯度流等多种应用上进行了广泛实验，证明 m-POT 相较于现有小批量方法的优越性能。
引用
@article{arxiv.2108.09645,
title = {Improving Mini-batch Optimal Transport via Partial Transportation},
author = {Khai Nguyen and Dang Nguyen and The-Anh Vu-Le and Tung Pham and Nhat Ho},
journal= {arXiv preprint arXiv:2108.09645},
year = {2022}
}
备注
Accepted to ICML 2022, 36 pages, 18 figures, 18 tables