平衡-两两亲和力特征变换

Balanced-Pairwise-Affinities (BPA) 特征变换旨在升级输入项目的特征，以便于下游匹配或分组相关任务。变换后的特征集合编码了输入特征之间高阶关系的丰富表示。具体而言，一个 particular min-cost-max-flow fractional matching 问题，其熵正则化版本可由 optimal transport (OT) 优化近似得到，导致一个高效、无参数、具有可辨识性和概率可解释性的变换。虽然 Sinkhorn OT 求解器已在众多上下文中被采纳，但我们以不同方式使用它：通过最小化特征集合到自身之间的距离，并将运输计划的行作为新的表示。实验表明，该变换在实际应用中高效灵活，能持续改进所插入网络的性能，适用于各种任务和训练方案。我们在 few-shot classification、unsupervised image clustering 和 person re-identification 中均实现了 state-of-the-art 结果。代码已在 \url{github.com/DanielShalam/BPA} 上提供。