精选理由
OMT 解决了大规模数据上最优传输计算昂贵且结果难解释的痛点，做分布对齐、数据融合或生物信息学的团队可以直接用这个框架来获得稳定且可解释的传输计划。
最优传输（OT）在分布映射中提供了理论框架，但计算成本高且结果难以解释。新提出的最优混合传输（OMT）将传输对象从单个样本转向子总体混合，并将问题转化为严格双凸优化，保证唯一全局最小值。OMT 在理论上证明传输映射的稳定性，即底层分布的有限扰动导致传输计划的有限变化。通过将子总体建模为指数族分布，OMT 的计算复杂度仅与混合成分数量相关，而非样本量。在图像数据和单细胞 RNA 测序等大规模真实数据集上，OMT 展示了有效性和实用性。
AI 翻译 · 中文
最优传输（OT）在分布映射中提供了理论框架，但计算成本高且结果难以解释。新提出的最优混合传输（OMT）将传输对象从单个样本转向子总体混合，并将问题转化为严格双凸优化，保证唯一全局最小值。OMT 在理论上证明传输映射的稳定性，即底层分布的有限扰动导致传输计划的有限变化。通过将子总体建模为指数族分布，OMT 的计算复杂度仅与混合成分数量相关，而非样本量。在图像数据和单细胞 RNA 测序等大规模真实数据集上，OMT 展示了有效性和实用性。
Optimal transport (OT) provides a principled framework for mapping between probability distributions. Despite extensive progress, applying OT to large-scale data remains computationally demanding, and the resulting point…