用于条件分布的最优传输测地生成器
机器学习
2023-08-29 v3 机器学习
摘要
在给定特定标签下生成样本需要估计条件分布。我们推导了条件分布间 Wasserstein 距离的一个易处理上界，以为学习条件分布奠定理论基础。基于该结果，我们提出一种新颖的条件生成算法，其中条件分布由一个由统计距离定义的度量空间充分刻画。我们采用最优传输理论提出 Wasserstein 测地生成器，一种学习 Wasserstein 测地的新条件生成器。所提方法同时学习观测域的条件分布及其间的最优传输映射。给定未观测中间域的条件分布位于给定两个观测域标签的条件分布间的 Wasserstein 测地上。以光照条件作为域标签的人脸图像实验证明了所提方法的有效性。
引用
@article{arxiv.2308.10145,
title = {Wasserstein Geodesic Generator for Conditional Distributions},
author = {Young-geun Kim and Kyungbok Lee and Youngwon Choi and Joong-Ho Won and Myunghee Cho Paik},
journal= {arXiv preprint arXiv:2308.10145},
year = {2023}
}