Multi-marginal Approximation of the Linear Gromov-Wasserstein Distance
最近,最优输运理论的两个概念已被成功地带到Gromov-Wasserstein(GW)设置。这引入了GW距离和多边缘GW传输的线性版本。前者在计算大量输入的所有GW距离时可以降低计算复杂性。后者允许同时匹配两个以上的边缘,这可以例如用于计算GW重心。本文的目的是显示一个近似的结果,其特征在于作为一个限制的多边缘GW制定的线性版本。
2022-11-15 cs.NA math.NA math.OC
Metric Geometry of Lebesgue, Wasserstein, and Gromov-Wasserstein Spaces: Submetries, Curvature, and Geodesics
本文构建了Z-GW空间等三类关联空间的统一度量几何理论,明确了其间的次淹没映射结构,证明了不同p值下的测地性关系,刻画了Z-GW空间的测地线并分类了其Alexandrov曲率界。
2026-08-13 math.MG math.OC
Formation Shape Control using the Gromov-Wasserstein Metric
Graduate School of Informatics, Kyoto University(京都大学情报学研究科)
本文提出一种基于Gromov-Wasserstein度量的最优控制编队形状控制算法,将问题转化为NP难问题,并采用半定松弛技术求解,通过数值示例验证。
2025-03-27 cs.LG cs.MA cs.SY
Fused ultrametric Gromov-Wasserstein for Scenario Tree generation in Multistage Stochastic Programming
University of Milano-Bicocca(米兰比可卡大学)
本文提出融合超度量Gromov-Wasserstein与融合Gromov-Wasserstein距离,用于多阶段随机规划场景树生成,同时保证边际保真度和非预期性,并给出稳定性定理及块坐标下降算法。
2026-09-30 math.MG math.OC
Linear Partial Gromov-Wasserstein Embedding
Vanderbilt University(范德堡大学)
针对Gromov-Wasserstein类问题的等质量约束局限与非凸导致的计算难题,提出线性部分Gromov-Wasserstein嵌入,将成对距离计算复杂度从O(K²)降至O(K),保留部分匹配优势且提升效率,经形状检索等任务验证有效。
2025-03-22 cs.LG math.OC
Subspace Detours Meet Gromov-Wasserstein
Univ. Bretagne Sud(布列塔尼大学);LMBA;IRISA;IMT Atlantique;Lab-STICC
在最优运输方法的背景下,Muzellec和Cuturi(2019)最近提出了子空间绕道方法。它包括建立一个接近最优的运输计划的措施空间中的最优运输计划在一个明智的选择的子空间,在其上的原始措施的投影。本文的贡献是扩展这类方法的Gromov-Wasserstein问题,这是一种特殊类型的运输距离涉及内部几何的比较分布。推导出相关的形式主义和属性后,我们还讨论了一个具体的成本,我们可以显示与Knothe-Rosenblatt重排的连接。最后,我们给出了一个形状匹配问题的实验说明。
2021-10-21 cs.LG math.OC stat.ML
Entropic Partial Optimal Transport and Partial Gromov--Wasserstein Distance between Gaussian Mixtures
本文针对高斯混合模型,开发熵正则化部分最优传输并定义部分混合格罗莫夫-瓦瑟斯坦距离,证明其极小值存在唯一性等性质,经数值实验验证该方法对异常值匹配具有鲁棒性。
2026-08-11 math.OC math.PR stat.ML
Sliced Inner Product Gromov-Wasserstein Distances
Center for Applied Mathematics, Cornell University(康奈尔大学应用数学中心);Department of Mathematics, Imperial College London(伦敦帝国理工学院数学系);School of Electrical and Computer Engineering, Cornell University(康奈尔大学电气与计算机工程学院)
本文提出切片内积Gromov-Wasserstein距离,解决高维问题的统计和计算扩展性问题,通过旋转不变性性质进行结构和计算性质研究,并在文本聚类和语言模型比较中验证。
2026-05-08 cs.LG math.OC stat.ML
Generalized Dimension Reduction Using Semi-Relaxed Gromov-Wasserstein Distance
提出基于半松弛Gromov-Wasserstein距离的通用降维方法,实现流形值多维缩放,并应用于政治选区划分计划的可视化与异常检测。
2025-02-27 math.MG math.OC
On Assignment Problems Related to Gromov-Wasserstein Distances on the Real Line
设$x_1 < \dots < x_n$和$y_1 < \dots < y_n$、$n \in \mathbb N$为实数。我们通过一个例子表明,如果$n > 2 +2^α$满足,则指派问题$$ \max_{σ\in S_n} F_σ(x,y) := \frac12 \sum_{i,k=1}^n |x_i - x_k|^α\, |y_{σ(i)} - y_{σ(k)}|^α, \quad α>0, $$一般既不能用恒等置换(id)也不能用反恒等置换(a-id)求解.实际上,根据点的数量,上述最大值可以是任意远离$F_\text{id}(x,y)$和$F_\text{a-id}(x,y)$的。处理这样的分配问题的动机来自于它们与Gromov-Wasserstein分歧的关系,Gromov-Wasserstein分歧最近得到了很多关注。
2022-05-18 cs.NA math.NA math.OC
Moment Sum-of-Squares Hierarchy for Gromov Wasserstein: Continuous Extensions and Sample Complexity
本文扩展矩平方和层级以求解一般概率分布上的Gromov-Wasserstein问题,证明松弛层级收敛于GW距离并诱导可计算的伪度量,同时建立了采样下的统计一致性结果。
2025-04-20 math.OC
Minimum energy density steering of linear systems with Gromov-Wasserstein terminal cost
本文针对离散时间线性高斯系统,提出以Gromov-Wasserstein距离作为终端代价的最优密度控制问题,利用其对平移和旋转不变的性质,将问题转化为凸差规划并用DC算法求解,从而以最小能量实现期望的终端分布形状。
2024-05-02 cs.SY eess.SY math.OC
Cross-modality Matching and Prediction of Perturbation Responses with Labeled Gromov-Wasserstein Optimal Transport
本研究扩展两种Gromov-Wasserstein最优传输方法,利用扰动标签实现跨模态对齐,并训练模型预测单模态下的细胞扰动响应,在多模态单细胞数据上验证,为统一细胞因果模型铺路。
2025-01-24 math.OC q-bio.GN
The Unbalanced Gromov Wasserstein Distance: Conic Formulation and Relaxation
比较度量测度空间(即具有概率分布的度量空间)是许多机器学习问题的核心。这种度量测度空间之间最流行的距离是Gromov-Wasserstein(GW)距离,它是二次指派问题的解。然而,GW距离限于被赋予概率分布的度量测度空间的比较。为了解决这个问题,我们引入了两个非平衡Gromov-Wasserstein公式:距离和更易处理的上界松弛,它们都允许比较度量空间配备了任意正测度,直到等距。第一个配方是一个积极的和明确的分歧的基础上放松的质量守恒约束,使用一种新型的二次齐次发散。这种发散与熵正则化方法携手工作,熵正则化方法是解决大规模最优输运问题的流行方法。我们表明,基本的非凸优化问题可以有效地解决使用高度并行化和GPU友好的迭代计划。第二个公式是基于圆锥提升的直到等距的mm空间之间的距离。最后,我们提供了数值实验合成的例子和域适应数据与积极的未标记的学习任务,突出的不平衡的分歧及其在ML中的潜在应用的显着特点。
2023-01-16 math.OC stat.ML
Data-Driven Density Steering via the Gromov-Wasserstein Optimal Transport Distance
Kyoto University(京都大学)
本文利用 Gromov-Wasserstein 度量解决未知线性系统下的数据驱动机会约束密度导引问题,将最优控制重构为差分凸规划并用 DC 算法求解,数值实验验证了其有效性。
2025-08-08 cs.LG cs.SY eess.SY
A Novel Sliced Fused Gromov-Wasserstein Distance
针对GW和FGW计算复杂、现有切片版本受限的问题,提出基于下界、分层OT和正交规则的新颖切片技术,降低计算量并保持度量不变性,在形状检索等任务中更鲁棒可靠。
2025-11-13 cs.LG math.OC
Semidefinite Relaxations of the Gromov-Wasserstein Distance
提出GW距离的半定规划松弛方法,通过拉格朗日对偶提供多项式时间算法计算全局最优传输计划,实验证明其常能求得全局最优解。
2024-10-15 math.OC stat.ML
Multi-Marginal Gromov-Wasserstein Transport and Barycenters
本文提出多边际 Gromov-Wasserstein 传输及其正则化、非平衡与融合形式,给出双凸松弛和 Sinkhorn 交替求解算法,并建立其与 GW 重心的联系。
2023-07-13 cs.NA math.NA math.OC
Gromov-Wasserstein Quantization and Clustering: Structure, Rates, and Algorithms
University of Tübingen(蒂宾根大学)
本文研究格罗莫夫-瓦瑟斯坦量化与聚类,证明其解的存在性,推导量化速率,提出类k-均值算法,实验显示其可用于3D形状、神经网络剪枝等场景,近似质量符合理论速率。
2026-08-12 cs.CG cs.LG math.OC
Globally solving the Gromov-Wasserstein problem for point clouds in low dimensional Euclidean spaces
Vironova AB(Vironova公司);KTH Royal Institute of Technology(瑞典皇家理工学院)
针对低维点云的Gromov-Wasserstein问题(可建模为难解的QAP),提出将其转化为低维低秩凹二次优化的框架,可求解数千点规模的全局解,在合成问题上优于现有方法,可应用于计算生物学的近似对称问题。
2023-07-18 cs.LG math.OC stat.ML
A Convergent Single-Loop Algorithm for Relaxation of Gromov-Wasserstein in Graph Data
Stanford University(斯坦福大学);HKUST (GZ)(香港科技大学(广州));CUHK(香港中文大学);SUFE(上海财经大学)
在这项工作中,我们提出了Bregman交替投影梯度(BAPG)方法,一个单循环算法,提供了一个近似的解决方案的Gromov-Wasserstein(GW)距离。我们介绍了一种新的松弛技术,平衡精度和计算效率,虽然有一些妥协的耦合映射的可行性。我们的分析是基于GW问题满足Luo-Tseng误差界条件的观察,该误差界条件涉及基于最优性残差估计点到GW问题的临界点集的距离。这一观察使我们能够提供一个近似界的BAPG的不动点集和GW的临界点集之间的距离。此外,在一个温和的技术假设下,我们可以证明BAPG收敛到它的不动点集。BAPG的有效性已通过全面的数值实验在图对齐和分区任务,它优于现有的方法在解决方案的质量和挂钟时间方面进行了验证。
2023-03-12 cs.CG cs.LG math.OC
Gromov-Wasserstein Barycenters: The Analysis Problem
Florida State University(佛罗里达州立大学);University of Virginia(弗吉尼亚大学);Tufts University(塔夫茨大学)
本文研究在Gromov-Wasserstein距离下估计有限度量空间中编码成对距离的矩阵问题,提出两种方法解决对应的分析问题,并在机器学习中应用。
2026-03-30 cs.NA math.FA math.MG
Probabilistic Representation and Convergence of Gromov-Wasserstein Gradient Flows
Cornell University(康奈尔大学);Xantium Group(Xantium集团)
本文研究相对熵的内积Gromov–Wasserstein(IGW)梯度流,证明其不满足现有理论的凸性条件,通过局部凸性估计构造梯度流,推导其显式动力学表示与概率形式,并验证其指数收敛于标准高斯测度。
2026-08-20 math.OC math.PR
Orthogonalization of data via Gromov-Wasserstein type feedback for clustering and visualization
Vironova AB(Vironova公司);KTH Royal Institute of Technology(瑞典皇家理工学院)
在本文中,我们提出了一种自适应的方法,通过正交化过程的数据聚类和可视化。从使用扩散映射框架由马尔可夫过程表示的数据点开始,该方法通过应用受Gromov-瓦瑟斯坦距离启发的反馈机制来自适应地增加聚类的正交性。该机制迭代地增加谱间隙并细化数据的正交性以实现具有高特异性的聚类。通过使用扩散图框架并使用转移概率表示数据点之间的关系,该方法对于潜在距离、数据中的噪声和随机初始化都是鲁棒的。我们证明了该方法全局收敛到一个唯一的不动点,某些参数值。我们还提出了一个相关的方法,在马尔可夫过程中的转移概率需要是双重随机的,在这种情况下,该方法产生一个非凸优化问题的极小。我们将该方法应用于来自生物制药制造的冷冻电子显微镜图像数据,在那里我们可以确认与治疗效果相关的生物学相关见解。我们认为一个例子与基因包装的形态变化,并确认该方法产生生物学上有意义的聚类结果与人类专家分类一致。
2022-07-25 cs.LG math.OC stat.ML
Gradient Flows and Riemannian Structure in the Gromov-Wasserstein Geometry
本文研究Gromov-Wasserstein几何中的梯度流与黎曼结构,提出隐式IGW最小化移动方案,证明其收敛到广义最小化移动,识别内在黎曼结构并建立Benamou-Brenier型公式,数值实验验证了IGW插值的全局性质。
2025-05-21 math.AP math.OC stat.ML
Averaged Mirror Descent and Dual Gradient Methods: Convergent Algorithms for Entropic Gromov-Wasserstein Problems
针对熵正则化Gromov-Wasserstein问题,提出平均镜像下降算法并证明其对任意成本收敛,同时证明固定步长对偶梯度法的收敛性,在经典MD失败的案例上两者均有效。
2026-09-30 cs.LG math.OC
Dynamic Generalized Gromov-Wasserstein Optimal Transport
Beijing International Center for Mathematical Research, Peking University(北京大学北京国际数学研究中心);Center for Quantitative Biology, Peking University(北京大学定量生物学中心);Center for Machine Learning Research, Peking University(北京大学机器学习研究中心);National Engineering Laboratory for Big Data Analysis and Applications, Beijing(北京大数据分析与应用国家工程实验室);AI for Science Institute, Beijing(北京科学智能研究院);School of Mathematical Sciences, Peking University(北京大学数学科学学院);Institute for Artificial Intelligence, Peking University(北京大学人工智能研究院)
本文提出TP-DATE框架,动态推广Gromov-Wasserstein最优传输,通过路径作用和旅行对流匹配实现无模拟的连续轨迹重建,在空间转录组学数据上更好地保留空间结构并改善3D动态重建。
2026-09-25 cs.AI cs.LG math.OC
Entropic Gromov-Wasserstein Distances: Stability and Algorithms
本文利用变分表示推导出求解二次Entropic GW距离的高效算法,通过加速梯度法和Sinkhorn迭代提供非渐近收敛保证,并在实验中验证了其最先进的性能。
2024-01-10 math.OC math.ST stat.TH
Gromov-Wasserstein and optimal transport: from assignment problems to probabilistic numeric
University of Milano-Bicocca, Department of Computer Science Systems and Communication(米兰-比科卡大学计算机科学与通信系);University of Milano-Bicocca, Department of Economics Management and Statistics(米兰-比科卡大学经济学管理与统计系)
本文提出基于 Gromov-Wasserstein 的方法解决二次分配问题,通过多初始化策略和融合 GW 变体实现高效优化,适用于图匹配、关键点对应等任务。
2025-09-04 cs.LG math.OC
Discrete Gromov-Wasserstein Duality: Algorithms and Isomorphism Testing
Imperial College London(帝国理工学院);Cornell University(康奈尔大学)
本研究提出适用于有限支撑度量测度空间的离散GW对偶结果,推导经验GW距离的样本复杂度与极限分布,给出带收敛保证的正则化GW算法,构建图分布同构测试的高效框架。
2026-09-04 cs.IT math.IT math.OC
Tangential Fixpoint Iterations for Gromov-Wasserstein Barycenters
本文提出一种基于切向近似和不动点迭代的算法,用于高效逼近Gromov-Wasserstein重心,实现多三维形状的插值、分类与匹配。
2024-03-13 cs.NA math.NA math.OC
Barycentric Weak Inner-Product Gromov-Wasserstein
IBM Research(IBM研究院)
针对GW在一对多场景下逐点比较过于敏感的问题,提出重心弱内积GW(wIGW)框架,通过保均值扩张的中间目标几何比较分布,给出迭代算法与理论保证,并在多组学等实验中验证了有效性。
2026-08-27 math.OC stat.ML
Adaptive Bregman Alternating Projections for Feasible Gromov-Wasserstein Learning
Rice University(莱斯大学)
针对Gromov-Wasserstein问题,提出自适应KL-BAPG算法,结合固定惩罚预热和递增惩罚阶段,在保证可行性的同时实现高效计算,显著降低可行性差距和残差。
2026-10-06 cs.CG cs.LG math.OC
Optimal transport and Wasserstein distances for causal models
本文提出一种适应有向图因果结构的最优传输变体,建立因果模型间的Wasserstein距离,证明平均处理效应的连续性及小扰动下的稳定性,并引入基于该距离的因果模型插值方法。
2024-07-04 math.OC math.PR math.ST
On the Wasserstein alignment problem
University of Washington(华盛顿大学);Columbia University(哥伦比亚大学);University of Toronto(多伦多大学)
研究两个度量空间及连续变换族下的瓦瑟斯坦对齐问题,通过利用统计独立性得到凸对偶,刻画投影集并设计算法,还给出特殊例子的协方差及泛化结果。
2026-07-07 math.OC math.PR