该研究提出了一种新方法，通过将概率测度嵌入希尔伯特空间，利用测度量化实现可扩展性，确保一致性和计算效率，并提供准确性理论保证，适用于机器学习任务。
本文探讨了最优输运理论中的计算与统计问题，提出了一种基于树度量的切片Wasserstein距离方法，适用于机器学习和概率测度空间等多个领域。研究还包括新变体和高效实现，旨在优化传输距离的计算与应用。
完成下面两步后，将自动完成登录并继续当前操作。
