Robust Optimal Transport with Applications in Generative Modeling and Domain Adaptation

[nocotan]

一言でいうと

最適化が難しいRobust Optimal Transportの学習問題への応用を，計算効率の良い双対問題を解くことで解決．

論文リンク

https://papers.nips.cc/paper/2020/file/9719a00ed0c5709d80dfef33795dcef3-Paper.pdf

著者/所属機関

Yogesh Balaji et al.
(Department of Computer Science, University of Maryland)

投稿日付(yyyy/MM/dd)

2020/12

概要

WassersteinのようなOptimal Transport距離はGANsやドメイン適応の文脈で頻繁に活用される．
しかしながら，OTは外れ値に非常にセンシティブであるという問題がある．
これを解決するため，OTのロバストな定式化がこれまで多く提案されてきたが，これらをGANのような学習問題に応用することは，その最適化の難しさから非常に困難であることが知られている．
論文では，こうした問題を計算効率の高い双対問題を解くことで解決する．

新規性・差分

• 最適化が難しいRobust Optimal Transportの学習問題への応用を，計算効率の良い双対問題を解くことで解決．

手法

結果

コメント