SP$^2$OT：语义规范化的逐步偏差最优传输用于不平衡聚类
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了一个基于最优传输的伪标签学习框架来解决深度不平衡聚类问题，该框架通过逐步将样本转移到不平衡的聚类中生成高质量且注意不平衡性的伪标签。
本文介绍了一种基于Unbalanced Optimal Transport (UOT)的新型生成模型，相比于基于OT的方法在处理噪点、稳定性和训练收敛速度等方面表现更优。实验证实了该模型的性质，并研究了UOT之间分布差异的理论上界。结果显示，该模型在CIFAR-10和CelebA-HQ-256数据集上的FID分别为2.97和5.80，优于现有基于OT的生成模型。
