[论文解读] Regularized Wasserstein Means Based on Variational Transportation.

Liang Mi, Wen Zhang+1 more|arXiv (Cornell University)|Dec 2, 2018

3D Shape Modeling and Analysis参考文献 32被引用 1

一句话总结

本文提出了一种基于变分运输的正则化Wasserstein均值方法，用于对齐分布数据，降低映射成本的同时保留领域特定属性。通过变分运输稀疏分布离散测度，该方法在领域自适应、点集配准和骨骼布局任务中实现了可扩展且稳健的性能。

ABSTRACT

We propose to align distributional data from the perspective of Wasserstein means. We raise the problem of regularizing Wasserstein means and propose several terms tailored to tackle different problems. Our formulation is based on the variational transportation to distribute a sparse discrete measure into the target domain. The resulting sparse representation well captures the desired property of the domain while reducing the mapping cost. We demonstrate the scalability and robustness of our method with examples in domain adaptation, point set registration, and skeleton layout.

研究动机与目标

• 为解决在最小失真和高计算效率下跨领域对齐分布数据的挑战。
• 在保持源域基本结构属性的同时，降低Wasserstein均值计算中的映射成本。
• 开发一种可扩展且稳健的框架，用于分布数据对齐，适用于领域自适应和点集配准等多样化任务。
• 通过稀疏离散测度的变分运输，引入针对特定数据对齐问题的正则化项。

提出的方法

• 该方法利用变分运输将稀疏离散测度分布到目标域，最小化运输成本的同时保持结构保真度。
• 引入正则化项以控制运输测度的稀疏性和分布特性，提升鲁棒性和可解释性。
• 在正则化优化框架下计算Wasserstein均值，平衡源数据保真度与运输效率。
• 稀疏表示可实现高效计算，并在高维或噪声数据设置中减少过拟合。
• 该方法被表述为凸优化问题，确保在实际应用中的可扩展性和收敛性。

实验结果

研究问题

• RQ1 如何对Wasserstein均值进行正则化，以在分布数据对齐中提升鲁棒性并降低计算成本？
• RQ2 变分运输在稀疏分布离散测度以保留领域特定属性方面起到何种作用？
• RQ3 所提出方法在领域自适应和点集配准任务中相较于标准Wasserstein均值的性能提升程度如何？
• RQ4 运输测度的稀疏性在多大程度上影响领域对齐的质量与效率？

主要发现

• 所提出方法在保持原始数据分布高保真度的同时，显著降低了映射成本。
• 由变分运输诱导的稀疏表示能以极低计算开销有效捕捉关键领域属性。
• 该方法在多样化任务中表现出稳健性能，包括领域自适应、点集配准和骨骼布局。
• 正则化框架即使在高维设置下也能实现稳定且可扩展的优化。