[论文解读] Semi-discrete unbalanced optimal transport and quantization

David P. Bourne, Bernhard Schmitzer+1 more|arXiv (Cornell University)|Aug 6, 2018

Markov Chains and Monte Carlo Methods参考文献 45被引用 13

一句话总结

本文为半离散非平衡最优传输构建了理论与数值框架，其中将一个连续测度传输至总质量不同的离散测度。通过广义拉格朗日图（generalized Laguerre diagrams）刻画最优传输方案，并将其应用于非平衡量化问题，证明了结晶化结果：当Dirac质量数量趋于无穷时，二维空间中三角晶格最小化渐近量化误差。

ABSTRACT

In this paper we study the class of optimal entropy-transport problems introduced by Liero, Mielke and Savaré in Inventiones Mathematicae 211 in 2018. This class of unbalanced transport metrics allows for transport between measures of different total mass, unlike classical optimal transport where both measures must have the same total mass. In particular, we develop the theory for the important subclass of semi-discrete unbalanced transport problems, where one of the measures is diffuse (absolutely continuous with respect to the Lebesgue measure) and the other is discrete (a sum of Dirac masses). We characterize the optimal solutions and show they can be written in terms of generalized Laguerre diagrams. We use this to develop an efficient method for solving the semi-discrete unbalanced transport problem numerically. As an application we study the unbalanced quantization problem, where one looks for the best approximation of a diffuse measure by a discrete measure with respect to an unbalanced transport metric. We prove a type of crystallization result in two dimensions -- optimality of a locally triangular lattice with spatially varying density -- and compute the asymptotic quantization error as the number of Dirac masses tends to infinity.

研究动机与目标

• 为半离散非平衡最优传输建立理论与计算框架，其中一测度为连续型，另一为离散型，且总质量可不同。
• 通过在权重 $ w_1, \dots, w_M $ 上求解一个凹最大化问题，利用广义拉格朗日图刻画该设定下的最优传输方案。
• 将该理论应用于非平衡量化问题，寻求在非平衡传输度量下对连续测度的最佳离散逼近。
• 在二维空间中建立结晶化结果，证明当Dirac质量数量增加时，三角晶格最小化渐近量化误差。

提出的方法

• 本文基于Liero, Mielke, 和 Savaré (2018) 提出的熵-传输问题，提出非平衡最优传输的变分公式化方法，并将其适配至半离散设定。
• 证明最优传输方案由广义拉格朗日图刻画，这些图是基于权重 $ w_1, \dots, w_M $ 的凹最大化问题所确定的加权Voronoi型划分。
• 基于该刻画开发了一种数值算法，通过在权重上进行优化，实现对半离散非平衡传输问题的高效求解。
• 通过最小化基于传输的能源泛函，将该理论应用于非平衡量化问题，推导出当 $ M \to \infty $ 时的渐近量化误差。
• 通过将区域划分为小方块分析渐近行为，估算传输成本，并取极限以推导出包含 $ B(D(x)) $ 的极限成本泛函，其中 $ B $ 由传输模型导出。
• 对于Wasserstein–Fisher–Rao模型，数值计算了函数 $ B(z) $，并利用其导数 $ B'(z) $ 确定渐近情形下的最优点密度 $ D(x) $。

实验结果

研究问题

• RQ1 在总质量不同的测度下，半离散非平衡最优传输中的最优传输方案具有何种结构？
• RQ2 在此设定下，最优传输问题如何实现数值求解？其解背后的几何结构是什么？
• RQ3 在非平衡传输度量下，用离散测度逼近连续测度时，量化误差的渐近行为如何？
• RQ4 是否存在某种特定晶格结构（如三角晶格）在二维空间中最小化渐近量化成本？
• RQ5 最优点密度 $ D(x) $ 如何依赖于底层测度 $ \mu $ 与传输模型参数？

主要发现

• 在半离散非平衡传输中，最优传输方案由广义拉格朗日图刻画，这些图是权重 $ w_i $ 上凹最大化问题的解，将经典拉格朗日图推广至非平衡情形。
• 对于非平衡量化问题，当 $ M \to \infty $ 时，渐近量化误差收敛至 $ \int_{\Omega} B(D(x)) \, d\mu(x) $，其中 $ D(x) $ 为最优点密度。
• 在二维空间中，三角晶格在所有晶格排列中实现最小渐近量化成本，为Wasserstein–Fisher–Rao模型建立了结晶化结果。
• 最优点密度 $ D(x) $ 由传输成本函数的导数 $ B'(z) $ 决定，后者依赖于具体的非平衡传输模型（如Wasserstein–Fisher–Rao度量）。
• 对Wasserstein–Fisher–Rao模型的 $ B(z) $ 与 $ B'(z) $ 进行数值计算表明，最优点密度会根据参数 $ P = \lim_{M\to\infty} \varepsilon_M^2 M $ 放大低质量区域并抑制高质量区域。
• 当 $ \lim_{M\to\infty} \varepsilon_M^2 M \in (0,\infty) $ 时，得到非退化的渐近成本；而极限为 $ 0 $ 或 $ \infty $ 时，分别导致退化情形，即传输成本消失或质量变化占主导。