元最优传输
机器学习
2023-06-06 v2 人工智能
机器学习
摘要
我们研究使用摊销优化从输入测度预测最优传输（OT）映射，我们称之为元OT（Meta OT）。这有助于在不同测度间重复求解相似的OT问题，通过利用过去问题中存在的知识和信息来快速预测并求解新问题。否则，标准方法忽略过去解的知识，并从头开始次优地重新求解每个问题。我们在灰度图像、球面数据、分类标签和调色板之间的离散和连续设置中实例化Meta OT模型，并用它们来改进标准OT求解器的计算时间。我们的源代码可在 http://github.com/facebookresearch/meta-ot 获取。
引用
@article{arxiv.2206.05262,
title = {Meta Optimal Transport},
author = {Brandon Amos and Samuel Cohen and Giulia Luise and Ievgen Redko},
journal= {arXiv preprint arXiv:2206.05262},
year = {2023}
}
备注
ICML 2023