Schrödinger桥的插件估计

我们提出了一种估计两个概率分布之间Schrödinger桥的程序。与现有方法不同，我们的方法不需要迭代模拟前向和后向扩散，也不需要训练神经网络来拟合未知漂移。相反，我们证明了通过求解源样本和目标样本之间的静态熵最优传输问题获得的势函数可以被修改，以产生一个自然的插件估计量，用于定义两个测度之间桥的时变漂移。在最小假设下，我们证明了我们的提议（称为Sinkhorn桥）能够以依赖于目标测度内在维度的收敛速率可靠地估计Schrödinger桥。我们的方法结合了采样领域以及理论和统计熵最优传输领域的结果。