归一化空间对齐：一种通用的表示分析度量

本文提出了一种针对神经网络表示的流形分析技术——归一化空间对齐（NSA），解决了不同维度的点云之间的距离比较问题。NSA不仅作为分析工具和可微损失函数提供了强有力的表示对齐手段，还具有高效的计算性能，能在小批量训练中近似全局结构差异，从而在多种神经网络训练模式下得到广泛应用。