要約
自己最適輸送（Self-Optimal-Transport: SOT）特徴変換は、データインスタンスの特徴集合をアップグレードし、下流のマッチングやグループ化に関連するタスクを容易にするために設計されています。変換された集合は、インスタンス特徴間の高次の関係を豊かに表現します。変換された特徴間の距離は、それらの直接的な元々の類似性と、集合内の他の特徴に対する類似性についての第三者同意を捉えます。特に、エントロピー正則化版が最適輸送（Optimal Transport: OT）最適化によって近似できる最小コスト最大フローの分数マッチング問題が、我々の伝導型変換を生成します。この変換は効率的であり、微分可能で、等方性を持ち、パラメータレスで、確率的に解釈可能です。実験的には、この変換は非常に効果的かつ柔軟な使用が可能で、挿入されるネットワークを一貫して改善し、様々なタスクや学習スキームにおいてその性能を向上させます。我々は無監督クラスタリングの問題を通じてその優れた点を示し、さらに最新の結果を得つつ少ショット分類における効率性と広範な適用可能性も示しています。また、大規模な人物再識別にもその有用性を確認しています。