自最优传输特征变换

自最优传输（SOT）特征变换旨在提升数据实例的特征集合，以促进下游匹配或分组相关任务。变换后的集合编码了实例特征间高阶关系的丰富表示。变换特征之间的距离捕捉了它们直接的原始相似度以及它们就与集合中其他特征的相似度所达成的一致意见。一个特定的最小代价最大流分数匹配问题，其熵正则化版本可由最优传输（OT）优化近似，产生了我们的转导式变换；该变换高效、可微、等变、无参数且具概率可解释性。经验上，该变换在使用中高度有效且灵活，在插入各类任务和训练方案的网络后持续提升其性能。我们通过无监督聚类问题，以及其在少样本分类（取得最先进结果）和大规模行人重识别中的效率与广泛适用性，展示了其优势。