要約
Balanced-Pairwise-Affinities (BPA) 特徴変換は、入力アイテムのセットの特徴を向上させ、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。変換されたセットは、入力特徴間の高次関係を豊かに表現します。特に、エントロピー正則化版が最適輸送 (OT) 最適化によって近似できる最小費用最大流の分数マッチング問題が、効率的で微分可能、等変形性があり、パラメータレスかつ確率的に解釈可能な変換につながります。Sinkhorn OT ソルバーは多くの文脈で広く適用されてきましたが、私たちはそれを異なる方法で使用し、特徴のセットとそれ自身との間のコストを最小化し、輸送計画の行を新しい表現として利用します。実験的には、この変換は非常に効果的かつ柔軟であり、挿入されるネットワークを一貫して改善し、さまざま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。私たちは少ショット分類、無教師画像クラスタリング、および人物再識別において最先端の結果を示しています。コードは \url{github.com/DanielShalam/BPA} から入手可能です。