論文の概要: Meta Optimal Transport
- arxiv url: http://arxiv.org/abs/2206.05262v2
- Date: Fri, 2 Jun 2023 21:45:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-07 05:15:07.509532
- Title: Meta Optimal Transport
- Title（参考訳）: メタ最適輸送
- Authors: Brandon Amos, Samuel Cohen, Giulia Luise, Ievgen Redko
- Abstract要約: 本稿では,メタOT(Meta OT)と呼ばれる入力測度から最適なトランスポートマップを推定するために,アモータイズ最適化を用いることについて検討する。
これは、過去の問題から存在する知識と情報を活用して、新しい問題を迅速に予測し、解決することで、異なる尺度間で同様のOT問題を繰り返し解決するのに役立つ。
- 参考スコア（独自算出の注目度）: 24.69258558871181
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study the use of amortized optimization to predict optimal transport (OT)
maps from the input measures, which we call Meta OT. This helps repeatedly
solve similar OT problems between different measures by leveraging the
knowledge and information present from past problems to rapidly predict and
solve new problems. Otherwise, standard methods ignore the knowledge of the
past solutions and suboptimally re-solve each problem from scratch. We
instantiate Meta OT models in discrete and continuous settings between
grayscale images, spherical data, classification labels, and color palettes and
use them to improve the computational time of standard OT solvers. Our source
code is available at http://github.com/facebookresearch/meta-ot
- Abstract（参考訳）: 我々は,meta otと呼ばれる入力尺度から最適な交通量(ot)マップを予測するために,償却最適化(amortized optimization)の利用について検討する。
これは、過去の問題から存在する知識と情報を活用して、新しい問題を迅速に予測し、解決することで、異なる尺度間で同様のOT問題を繰り返すのに役立つ。
そうでなければ、標準手法は過去の解の知識を無視し、各問題をスクラッチから過度に解決する。
そこで我々は,Meta OTモデルを,グレースケール画像,球面データ,分類ラベル,カラーパレット間の離散的かつ連続的な設定でインスタンス化し,標準OTソルバの計算時間を改善する。
私たちのソースコードはhttp://github.com/facebookresearch/meta-otで利用可能です。
関連論文リスト
- Semi-Discrete Optimal Transport: Nearly Minimax Estimation With Stochastic Gradient Descent and Adaptive Entropic Regularization [38.67914746910537]
我々は,ラゲールセル推定と密度支持推定の類似性を用いて,OTマップに対して$mathcalO(t-1)$の低いバウンダリレートを証明した。
所望の速さをほぼ達成するために,サンプル数に応じて減少するエントロピー正規化スキームを設計する。
論文 参考訳（メタデータ） (2024-05-23T11:46:03Z) - Estimating Barycenters of Distributions with Neural Optimal Transport [93.28746685008093]
本稿では,Wasserstein Barycenter問題を解くための新しいスケーラブルなアプローチを提案する。
我々の手法は最近のNeural OTソルバをベースとしている。
また,提案手法の理論的誤差境界も確立する。
論文 参考訳（メタデータ） (2024-02-06T09:17:07Z) - Anchor Space Optimal Transport: Accelerating Batch Processing of
Multiple OT Problems [13.846014191157405]
本稿では、アンカー空間最適輸送(ASOT)問題として指定された翻訳OT問題を提案する。
提案したASOT問題に対しては、分布を共有アンカー点空間にマッピングし、潜在的な共通特性を学習する。
提案したASOTに基づいて、元のOT問題に対するワッサーシュタイン距離誤差は、地価誤差によって有界であることが証明された。
論文 参考訳（メタデータ） (2023-10-24T18:55:12Z) - Learning representations that are closed-form Monge mapping optimal with
application to domain adaptation [24.258758784011572]
最適輸送(OT)は、最小の努力原理に従って確率測度を比較し調整するための強力なツールである。
機械学習(ML)で広く使われているにもかかわらず、OT問題はまだ計算負担を負っている。
本稿では,これらの課題に表現学習を用いて取り組むことを提案する。
論文 参考訳（メタデータ） (2023-05-12T14:14:39Z) - STORM+: Fully Adaptive SGD with Momentum for Nonconvex Optimization [74.1615979057429]
本研究では,スムーズな損失関数に対する期待値である非バッチ最適化問題について検討する。
我々の研究は、学習率と運動量パラメータを適応的に設定する新しいアプローチとともに、STORMアルゴリズムの上に構築されている。
論文 参考訳（メタデータ） (2021-11-01T15:43:36Z) - Memory-Based Optimization Methods for Model-Agnostic Meta-Learning and
Personalized Federated Learning [56.17603785248675]
モデルに依存しないメタラーニング (MAML) が人気のある研究分野となっている。
既存のMAMLアルゴリズムは、イテレーション毎にメタモデルを更新するためにいくつかのタスクとデータポイントをサンプリングすることで、エピソードのアイデアに依存している。
本稿では,MAMLのメモリベースアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-06-09T08:47:58Z) - A Survey on Optimal Transport for Machine Learning: Theory and
Applications [1.1279808969568252]
最適輸送(OT)理論はコンピュータ科学コミュニティから注目を集めている。
本稿では,簡単な紹介と歴史,先行研究の紹介,今後の研究の方向性について述べる。
論文 参考訳（メタデータ） (2021-06-03T16:10:42Z) - Do Neural Optimal Transport Solvers Work? A Continuous Wasserstein-2
Benchmark [133.46066694893318]
最適輸送のためのニューラルネットワークに基づく解法の性能を評価する。
既存の解法では,下流タスクでは良好に機能するにもかかわらず,最適な輸送マップを復元できないことがわかった。
論文 参考訳（メタデータ） (2021-06-03T15:59:28Z) - Manifold optimization for optimal transport [34.88495814664577]
Optimal Transport (OT)は、機械学習に広く関心を寄せている。
多様体の最適化の枠組みの中でOT問題にアプローチする方法について議論します。
Manifold最適化ベースの最適トランスポート(MOT)レポジトリを,PythonとMatlabのOT問題を解決する上で有用なコードで提供しています。
論文 参考訳（メタデータ） (2021-03-01T10:49:19Z) - Semi-Supervised Learning with Meta-Gradient [123.26748223837802]
半教師付き学習における簡単なメタ学習アルゴリズムを提案する。
その結果,提案アルゴリズムは最先端の手法に対して良好に動作することがわかった。
論文 参考訳（メタデータ） (2020-07-08T08:48:56Z) - Tracking Road Users using Constraint Programming [79.32806233778511]
本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。
提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
論文 参考訳（メタデータ） (2020-03-10T00:04:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。