用于重心估计的Wasserstein迭代网络
机器学习
2023-01-10 v2 机器学习
摘要
Wasserstein重心因能以几何有意义的方式表示概率测度的平均而流行。本文中，我们提出一种通过生成模型近似连续测度的Wasserstein-2重心的算法。先前方法依赖正则化（熵/二次）引入偏差，或依赖输入凸神经网络，其对于大规模任务表达力不足。相反，我们的算法不引入偏差并允许使用任意神经网络。此外，基于名人脸数据集，我们构建了Ave, celeba!数据集，可通过FID等生成模型标准度量对重心算法进行定量评估。
引用
@article{arxiv.2201.12245,
title = {Wasserstein Iterative Networks for Barycenter Estimation},
author = {Alexander Korotin and Vage Egiazarian and Lingxiao Li and Evgeny Burnaev},
journal= {arXiv preprint arXiv:2201.12245},
year = {2023}
}
备注
36th Conference on Neural Information Processing Systems (NeurIPS 2022)