从无标签数据中学习解耦表示是机器学习中的一大挑战，解决此问题有助于推广、可解释性和公平性。尽管理论上难以实现，但实践中常通过先验匹配来解决。最新研究表明，结合几何特征可以增强先验匹配。我们提出了一种基于二次最优传输的新方法，利用Gromov-Monge映射以最小失真传输分布，同时尽量保留几何特征。我们提出的Gromov-Monge-Gap正则化器有效评估映射的几何失真，并在四个基准测试中表现优于其他方法。