用于图像比较的Monge-Kantorovich最优传输距离
计算机视觉与模式识别
2019-03-20 v1
摘要
本文聚焦于最优传输问题的Monge-Kantorovich表述及关联的 Wasserstein距离。我们在最近邻（NN）机器学习架构中使用 Wasserstein距离，以展示最优传输距离用于图像比较的潜在威力。我们将Wasserstein距离与其他既有距离（包括最优传输问题的偏微分方程（PDE）表述）进行比较，并证明在著名的MNIST光学字符识别数据集上，它取得了优异结果。
引用
@article{arxiv.1804.03531,
title = {The Monge-Kantorovich Optimal Transport Distance for Image Comparison},
author = {Michael Snow and Jan Van lent},
journal= {arXiv preprint arXiv:1804.03531},
year = {2019}
}
备注
arXiv admin note: substantial text overlap with arXiv:1612.00181