本文研究了次高斯测度下熵正则化最优传输映射的问题。结果表明，当目标测度具有紧支集或强对数凹性时，期望均方误差以至少O(n^(-1/3))的速率衰减。对于一般次高斯情况，期望L1误差以至少O(n^(-1/6))的速率衰减。这些结果对正则化参数具有多项式依赖性。证明技巧利用了偏差-方差分解。实验结果显示了对方差项控制的松弛性，并提出了几个开放性问题。

本文提出了一种基于连续时间正规化流的生成模型，通过时间依赖密度的概率流推断速度场，可用于样本生成和密度估计，并建立最优传输映射。该方法简化了基于随机微分方程的方法，在图像生成等任务上表现出较理想的性能。

本文研究了次高斯测度下熵正则化最优传输映射的问题。结果表明，当目标测度具有紧支集或强对数凹性时，期望均方误差以至少O(n^(-1/3))的速率衰减。对于一般次高斯情况，期望L1误差以至少O(n^(-1/6))的速率衰减。这些结果对正则化参数具有多项式依赖性。证明技巧利用了偏差-方差分解和T1-传输不等式。实验结果显示了对方差项控制的松弛性，并提出了几个开放性问题。