Core Concepts
エネルギー誘導とエントロピック最適輸送の結合による新しい方法を提案する。
Abstract
エネルギーベースのモデル(EBM)とエントロピー正則化OTの結合による新しい手法を紹介。
理論的観点から一般化境界を証明し、実践的な応用性を検証。
2Dおよび画像領域での使用例を示し、スケーラビリティを強調。
EBMsのトレーニング手法とEOT問題への応用可能性について議論。
データセットや数値計算方法に関する詳細な情報が提供されている。
Stats
エネルギー関数E:Y→RはGibbs-Boltzmann分布密度でパラメータ化される。
最適輸送プランπ∗ ∈ Π(P, Q)はOptimal Transport plansと呼ばれる。
式(1)では連続コスト関数c(x, y)が使用され、Wasserstein距離(W1, W2)が得られる。
Quotes
"Energy-based models (EBMs) are known in the Machine Learning community for decades."
"Our proposed EBM-based learning method for EOT is theoretically grounded."
"Our code is available at: https://github.com/PetrMokrov/Energy-guided-Entropic-OT"