神经Monge映射中的非平衡性改进非配对域翻译

在最优传输（OT）中，Monge映射被称为以最节省代价的方式将源分布传输至目标分布的映射。近来，多种神经Monge映射估计器被开发并应用于各类非配对域翻译任务，例如单细胞生物学与计算机视觉。然而，经典OT框架强制质量守恒，这使其易受离群点影响，并限制了其在真实场景中的适用性。后者在OT域翻译任务中尤为有害，因为样本在分布中的相对位置被显式考虑。尽管非平衡OT在离散设定中应对了这一挑战，但其与神经Monge映射估计器的整合鲜受关注。我们提出一种理论扎实的方法，将非平衡性引入任意Monge映射估计器。我们改进现有估计器以建模随时间变化的细胞轨迹并预测细胞对扰动的响应。此外，我们的方法可与OT流匹配（OT-FM）框架无缝集成。虽然我们展示了OT-FM在图像翻译中具有竞争力，我们通过引入非平衡性（UOT-FM）进一步提升性能，其能更好地保留相关特征。因此我们确立UOT-FM作为一种原则性的非配对图像翻译方法。