线性化最优传输 pyLOT 库：一个用于点云机器学习的工具包
Linearized Optimal Transport pyLOT Library: A Toolkit for Machine Learning on Point Clouds
AI总结：
pyLOT 库将概率分布通过最优传输映射线性化嵌入希尔伯特空间，使点云上的分类、聚类、降维和数据生成等任务可用现成线性算法完成，并在狐猴牙齿 3D 扫描上验证了有效性。
摘要：
pyLOT 库提供了线性化最优传输（LOT）技术的 Python 实现及其用于下游任务的方法。该流程通过来自固定参考分布的最优传输映射将概率分布嵌入到希尔伯特空间中，这种线性化使得下游任务可以使用现成的（线性）机器学习算法完成。我们提供了一个在狐猴牙齿 3D 扫描上进行机器学习的案例研究，其中分类、聚类、降维和数据生成等原始问题被简化为对 LOT 嵌入表示执行的简单线性运算。
英文摘要：
The pyLOT library offers a Python implementation of linearized optimal transport (LOT) techniques and methods to use in downstream tasks. The pipeline embeds probability distributions into a Hilbert space via the Optimal Transport maps from a fixed reference distribution, and this linearization allows downstream tasks to be completed using off the shelf (linear) machine learning algorithms. We provide a case study of performing ML on 3D scans of lemur teeth, where the original questions of classification, clustering, dimension reduction, and data generation reduce to simple linear operations performed on the LOT embedded representations.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
