Fugu-MT 論文翻訳(概要): On amortizing convex conjugates for optimal transport

論文の概要: On amortizing convex conjugates for optimal transport

arxiv url: http://arxiv.org/abs/2210.12153v1
Date: Fri, 21 Oct 2022 17:59:24 GMT
ステータス: 翻訳完了
システム内更新日: 2022-10-24 13:24:42.365135
Title: On amortizing convex conjugates for optimal transport
Title（参考訳）: 最適輸送のための不定形凸共役について
Authors: Brandon Amos
Abstract要約: 本稿では,ユークリッド型ワッサーシュタイン2の最適輸送問題を解く際に生じる凸共役演算の計算に焦点をあてる。微調整のための解法と共役器に補正近似を組み合わせれば計算が簡単であることを示す。
参考スコア（独自算出の注目度）: 13.60842910539914
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper focuses on computing the convex conjugate operation that arises when solving Euclidean Wasserstein-2 optimal transport problems. This conjugation, which is also referred to as the Legendre-Fenchel conjugate or $c$-transform, is considered difficult to compute and in practice, Wasserstein-2 methods are limited by not being able to exactly conjugate the dual potentials in continuous space. I show that combining amortized approximations to the conjugate with a solver for fine-tuning is computationally easy. This combination significantly improves the quality of transport maps learned for the Wasserstein-2 benchmark by Korotin et al. (2021) and is able to model many 2-dimensional couplings and flows considered in the literature. All of the baselines, methods, and solvers in this paper are available at http://github.com/facebookresearch/w2ot
Abstract（参考訳）: 本稿では,ユークリッド型ワッサーシュタイン2の最適輸送問題を解く際に生じる凸共役演算の計算に着目する。この共役はルジャンドル・フェンシェル共役 (legendre-fenchel conjugate) や $c$-transform とも呼ばれ、計算が難しく、実際には、連続空間における双対ポテンシャルを正確に共役化できないため、ワッサースタイン-2法は制限される。微調整のための解法を共役器と組み合わせることが計算上容易であることを示す。この組み合わせは、korotin et al. (2021)によるwasserstein-2ベンチマークで学んだ輸送マップの品質を大幅に改善し、文献で考慮された多くの2次元結合と流れをモデル化することができる。この論文のすべてのベースライン、メソッド、およびソルバはhttp://github.com/facebookresearch/w2otで入手できる。

関連論文リスト

Variational Entropic Optimal Transport [67.76725267984578]
本稿では,ドメイン翻訳問題に対する変分エントロピー最適輸送(VarEOT)を提案する。 VarEOTは、補助正の正規化子上のトラクタブルな一般化として、log-partition $log mathbbE[exp(cdot)$の正確な変分再構成に基づいている。合成データと画像と画像の変換に関する実験は、競争力のあるか、あるいはより良い翻訳品質を示す。
論文参考訳（メタデータ） (2026-02-02T15:48:44Z)
A Unified Kantorovich Duality for Multimarginal Optimal Transport [0.29771206318712146]
マルチマージ最適輸送(MOT: Multimarginal optimal transport)は、機械学習と統計学の関連性から近年注目を集めている。本稿では、一般ポーランド積空間上のMOT問題に対する統一的で完全なカントロビッチ双対性理論を提案する。
論文参考訳（メタデータ） (2026-01-23T21:06:46Z)
Computing Optimal Transport Maps and Wasserstein Barycenters Using Conditional Normalizing Flows [1.8109081066789847]
本研究では,高次元空間における最適輸送マップとワッサーシュタインバリセンタを効率的に計算する新しい手法を提案する。提案手法は条件正規化フローを用いて、入力分布を共通潜在空間からの可逆的なプッシュフォワード変換として近似する。条件分散最小化問題を解くことにより、この手法をワッサーシュタインのバリセンタにどのように拡張するかを示す。
論文参考訳（メタデータ） (2025-05-28T13:46:07Z)
Pairwise Optimal Transports for Training All-to-All Flow-Based Condition Transfer Model [15.078804369762993]
本研究では,条件分布間の全転送マップをフローベースで学習する手法を提案する。本稿では,全ての条件分布に対する最適輸送の同時学習を可能にする新しいコスト関数を提案する。
論文参考訳（メタデータ） (2025-04-04T05:32:54Z)
Joint Metric Space Embedding by Unbalanced OT with Gromov-Wasserstein Marginal Penalization [3.7498611358320733]
異種データセットの教師なしアライメントのための新しい手法を提案する。本手法は,Gromov-Wasserstein境界化を用いた不均衡最適輸送問題に基づく。
論文参考訳（メタデータ） (2025-02-11T12:28:47Z)
Gaussian entropic optimal transport: Schrödinger bridges and the Sinkhorn algorithm [0.0]
エントロピー最適輸送問題は、最適輸送問題の正規化版である。これらの問題はシンクホーンアルゴリズム(反復比例フィッティング法)を用いて一般的に解決される。より一般的な設定では、シンクホーン反復は非線形条件/共役変換に基づいており、正確な有限次元解は計算できない。
論文参考訳（メタデータ） (2024-12-24T13:49:02Z)
Combining Wasserstein-1 and Wasserstein-2 proximals: robust manifold learning via well-posed generative flows [6.799748192975493]
低次元多様体に支持された学習分布の連続時間生成フローを定式化する。 We show that the Wasserstein-1 proximal operator regularize $f$-divergences to be compareds。また, ワッサーシュタイン2近似作用素は, 最適輸送コストを加算することにより, 生成フローの経路を正則化することを示した。
論文参考訳（メタデータ） (2024-07-16T16:34:31Z)
Iterated Schrödinger bridge approximation to Wasserstein Gradient Flows [1.5561923713703105]
我々は、同じ辺を持つシュリンガー橋を連続的に計算するワッサーシュタイン勾配流の新しい離散化スキームを導入する。提案手法には2つの利点がある: 1つはスコア関数の使用を回避し、もう1つはシンクホーンアルゴリズムを用いて粒子ベースの近似を行うことができる。
論文参考訳（メタデータ） (2024-06-16T07:23:26Z)
Stable Nonconvex-Nonconcave Training via Linear Interpolation [51.668052890249726]
本稿では,ニューラルネットワークトレーニングを安定化(大規模)するための原理的手法として,線形アヘッドの理論解析を提案する。最適化過程の不安定性は、しばしば損失ランドスケープの非単調性によって引き起こされるものであり、非拡張作用素の理論を活用することによって線型性がいかに役立つかを示す。
論文参考訳（メタデータ） (2023-10-20T12:45:12Z)
Decentralized Riemannian Conjugate Gradient Method on the Stiefel Manifold [59.73080197971106]
本稿では,最急降下法よりも高速に収束する一階共役最適化法を提案する。これはスティーフェル多様体上の大域収束を達成することを目的としている。
論文参考訳（メタデータ） (2023-08-21T08:02:16Z)
Measure transfer via stochastic slicing and matching [1.4594704809280983]
本稿では,スライシング・アンド・マッチ法によって定義される移動度と近似問題の反復的スキームについて検討する。本論文の主な貢献はスライシング・アンド・マッチングスキームに対するほぼ確実な収束証明である。
論文参考訳（メタデータ） (2023-07-11T18:12:30Z)
Posterior and Computational Uncertainty in Gaussian Processes [52.26904059556759]
ガウスのプロセスはデータセットのサイズとともに違法にスケールする。多くの近似法が開発されており、必然的に近似誤差を導入している。この余分な不確実性の原因は、計算が限られているため、近似後部を使用すると完全に無視される。本研究では,観測された有限個のデータと有限個の計算量の両方から生じる組合せ不確実性を一貫した推定を行う手法の開発を行う。
論文参考訳（メタデータ） (2022-05-30T22:16:25Z)
Near-optimal estimation of smooth transport maps with kernel sums-of-squares [81.02564078640275]
滑らかな条件下では、2つの分布の間の正方形ワッサーシュタイン距離は、魅力的な統計的誤差上界で効率的に計算できる。生成的モデリングのような応用への関心の対象は、基礎となる最適輸送写像である。そこで本研究では,地図上の統計的誤差であるL2$が,既存のミニマックス下限値とほぼ一致し,スムーズな地図推定が可能となる最初のトラクタブルアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-12-03T13:45:36Z)
On Multimarginal Partial Optimal Transport: Equivalent Forms and Computational Complexity [11.280177531118206]
我々は,少なくとも$n$のサポートを持つ離散的(アンバランスな)測度間のマルチマルジナル部分最適輸送(POT)問題について検討した。まず、コストテンソルの新たな拡張を通じて、マルチマルジナルな最適輸送問題の観点から、マルチマルジナルPOT問題の2つの等価形式が得られることを証明した。我々は、ApproxMPOTアルゴリズムが、$tildemathcalO(m3(n+1)m/ varの計算複雑性上界を持つマルチマルジナルPOT問題の最適値を近似できることを実証した。
論文参考訳（メタデータ） (2021-08-18T06:46:59Z)
Lifting the Convex Conjugate in Lagrangian Relaxations: A Tractable Approach for Continuous Markov Random Fields [53.31927549039624]
断片的な離散化は既存の離散化問題と矛盾しないことを示す。この理論を2つの画像のマッチング問題に適用する。
論文参考訳（メタデータ） (2021-07-13T12:31:06Z)
Universal Approximation for Log-concave Distributions using Well-conditioned Normalizing Flows [20.022920482589324]
本研究では, 対数凹面分布をよく条件付きアフィンカップリング流を用いて近似できることを示す。また,アフィンカップリングの訓練の実践についても報告する。
論文参考訳（メタデータ） (2021-07-07T00:13:50Z)
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)
RatE: Relation-Adaptive Translating Embedding for Knowledge Graph Completion [51.64061146389754]
複素空間における新たな重み付き積の上に構築された関係適応変換関数を提案する。次に、関係適応型翻訳埋め込み(RatE)アプローチを示し、各グラフを3倍にスコアする。
論文参考訳（メタデータ） (2020-10-10T01:30:30Z)
Continuous Regularized Wasserstein Barycenters [51.620781112674024]
正規化ワッサーシュタイン・バリセンタ問題に対する新しい双対定式化を導入する。我々は、強い双対性を確立し、対応する主対関係を用いて、正規化された輸送問題の双対ポテンシャルを用いて暗黙的にバリセンターをパラメトリゼーションする。
論文参考訳（メタデータ） (2020-08-28T08:28:06Z)
Joint Wasserstein Distribution Matching [89.86721884036021]
JDM問題(Joint Distribution matching)は、2つのドメインの関節分布を一致させるために双方向マッピングを学習することを目的としており、多くの機械学習およびコンピュータビジョンアプリケーションで発生している。 2つの領域における関節分布のワッサーシュタイン距離を最小化することにより、JDM問題に対処することを提案する。そこで我々は,難解な問題を簡単な最適化問題に還元する重要な定理を提案し,その解法を開発した。
論文参考訳（メタデータ） (2020-03-01T03:39:00Z)

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。