論文の概要: Efficient Transferable Optimal Transport via Min-Sliced Transport Plans

• arxiv url: http://arxiv.org/abs/2511.19741v1
• Date: Mon, 24 Nov 2025 21:59:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.183194
• Title: Efficient Transferable Optimal Transport via Min-Sliced Transport Plans
• Title（参考訳）: Min-Sliced Transport Planによる効率的な転送可能な最適輸送
• Authors: Xinran Liu, Elaheh Akbari, Rocio Diaz Martin, Navid NaderiAlizadeh, Soheil Kolouri,
• Abstract要約: 我々は,min-Sliced Transport Plan (min-STP) フレームワークについて検討し,最適化スライサの転送性について検討した。 最適化されたスライサは、データ分布のわずかな摂動の下に留まり、関連するタスク間の効率的な転送を可能にする。
• 参考スコア（独自算出の注目度）: 25.845827856681492
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Optimal Transport (OT) offers a powerful framework for finding correspondences between distributions and addressing matching and alignment problems in various areas of computer vision, including shape analysis, image generation, and multimodal tasks. The computation cost of OT, however, hinders its scalability. Slice-based transport plans have recently shown promise for reducing the computational cost by leveraging the closed-form solutions of 1D OT problems. These methods optimize a one-dimensional projection (slice) to obtain a conditional transport plan that minimizes the transport cost in the ambient space. While efficient, these methods leave open the question of whether learned optimal slicers can transfer to new distribution pairs under distributional shift. Understanding this transferability is crucial in settings with evolving data or repeated OT computations across closely related distributions. In this paper, we study the min-Sliced Transport Plan (min-STP) framework and investigate the transferability of optimized slicers: can a slicer trained on one distribution pair yield effective transport plans for new, unseen pairs? Theoretically, we show that optimized slicers remain close under slight perturbations of the data distributions, enabling efficient transfer across related tasks. To further improve scalability, we introduce a minibatch formulation of min-STP and provide statistical guarantees on its accuracy. Empirically, we demonstrate that the transferable min-STP achieves strong one-shot matching performance and facilitates amortized training for point cloud alignment and flow-based generative modeling.
• Abstract（参考訳）: Optimal Transport (OT) は、形状解析、画像生成、マルチモーダルタスクなど、コンピュータビジョンの様々な領域における分布と対応とアライメントの問題に対処するための強力なフレームワークを提供する。 しかし、OTの計算コストはスケーラビリティを妨げる。 スライスベースの輸送計画は最近、1D OT問題の閉形式解を利用して計算コストを削減することを約束している。 これらの方法は一次元射影(スライス)を最適化し、環境空間における輸送コストを最小限に抑える条件付き輸送計画を得る。 効率的ではあるが、これらの手法は学習された最適スライサが分布シフトの下で新しい分配ペアに転送できるかどうかという疑問を解き放つ。 この転送可能性を理解することは、進化するデータや、密接に関連する分布をまたいだ繰り返しOT計算の設定において重要である。 本稿では,min-Sliced Transport Plan (min-STP) フレームワークについて検討し,最適化スライサの伝達性について検討する。 理論的には、最適化されたスライサはデータ分布のわずかな摂動の下に留まり、関連するタスク間の効率的な転送を可能にする。 拡張性をさらに向上するため、min-STPのミニバッチ定式化を導入し、その精度を統計的に保証する。 実験により、転送可能なmin-STPは強力なワンショットマッチング性能を示し、ポイントクラウドアライメントとフローベース生成モデルのためのアモータイズトレーニングを容易にする。

関連論文リスト

• Optimal Transport Adapter Tuning for Bridging Modality Gaps in Few-Shot Remote Sensing Scene Classification [80.83325513157637]
  Few-Shot Remote Sensing Scene Classification (FS-RSSC)は,限られたラベル付きサンプルを用いたリモートセンシング画像の分類の課題を示す。 理想的なプラトン表現空間を構築することを目的とした,OTAT(Optimal Transport Adapter Tuning)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-19T07:04:24Z)
• Expected Sliced Transport Plans [9.33181953215826]
  本研究では, 1次元の最適輸送計画を, もともとの空間に戻す「揚力」操作を提案する。 本研究では、EST計画を用いて、ある点から別の点へ移動する際のユークリッドの個々のコストの和を重み付けし、入力された離散確率測度間の有効距離を求めることを証明する。
  論文  参考訳（メタデータ） (2024-10-16T02:44:36Z)
• Dynamical Measure Transport and Neural PDE Solvers for Sampling [77.38204731939273]
  本研究では, 対象物へのトラクタブル密度関数の移動として, 確率密度からサンプリングする作業に取り組む。 物理インフォームドニューラルネットワーク(PINN)を用いて各偏微分方程式(PDE)の解を近似する。 PINNはシミュレーションと離散化のない最適化を可能にし、非常に効率的に訓練することができる。
  論文  参考訳（メタデータ） (2024-07-10T17:39:50Z)
• Computing high-dimensional optimal transport by flow neural networks [19.859984725284896]
  本研究は,フローモデルを最適化することにより,任意の2つの分布に対して$P$と$Q$の動的OTを計算することを提案する。 本手法は輸送コストを最小限に抑える非可逆流を見つけることによって動的OTを学習する。 提案モデルが高次元データに与える影響は,OTベースライン,画像から画像への変換,高次元DRE上での強い経験的性能によって実証される。
  論文  参考訳（メタデータ） (2023-05-19T17:48:21Z)
• InfoOT: Information Maximizing Optimal Transport [58.72713603244467]
  InfoOTは最適な輸送の情報理論の拡張である。 幾何学的距離を最小化しながら、ドメイン間の相互情報を最大化する。 この定式化は、外れ値に対して堅牢な新しい射影法をもたらし、目に見えないサンプルに一般化する。
  論文  参考訳（メタデータ） (2022-10-06T18:55:41Z)
• Learning Optimal Transport Between two Empirical Distributions with Normalizing Flows [12.91637880428221]
  本稿では、ニューラルネットワークの柔軟性を活用して、最適輸送マップを近似的に学習することを提案する。 我々は、このOT問題の解を近似するために、非可逆ニューラルネットワークの特定の例、すなわち正規化フローが利用できることを示した。
  論文  参考訳（メタデータ） (2022-07-04T08:08:47Z)
• Neural Optimal Transport [82.2689844201373]
  本稿では、最適な輸送マップを計算し、強力で弱い輸送コストを計画するニューラルネットベースの新しいアルゴリズムを提案する。 ニューラルネットワークが確率分布間の輸送計画の普遍的近似であることを示す。
  論文  参考訳（メタデータ） (2022-01-28T16:24:13Z)
• Comparing Probability Distributions with Conditional Transport [63.11403041984197]
  新しい発散として条件輸送(CT)を提案し、償却されたCT(ACT)コストと近似します。 ACTは条件付き輸送計画の計算を補正し、計算が容易な非バイアスのサンプル勾配を持つ。 さまざまなベンチマークデータセットのジェネレーティブモデリングでは、既存のジェネレーティブ敵対ネットワークのデフォルトの統計距離をACTに置き換えることで、一貫してパフォーマンスを向上させることが示されています。
  論文  参考訳（メタデータ） (2020-12-28T05:14:22Z)

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。