Решение задачи оптимального транспорта на основе нейросетей

Анонсы будущих семинаров - в канале ассоциации -
Докладчик: Евгений Бурнаев, д.ф.-м.н., профессор, руководитель центра прикладного ИИ Сколтеха, ведущий научный сотрудник AIRI Аннотация: Решение задач оптимального транспорта (OT) с помощью нейронных сетей получило широкое распространение в машинном обучении. Большинство существующих методов вычисляют стоимость OT и используют ее в качестве функции потерь для настройки генератора в генеративных моделях (Wasserstein GANs). В презентации будет рассказано о совершенно другом и недавно появившемся направлении - методах вычисления отображения ОТ и использования его в качестве генеративной модели. Недавние результаты показывают, что такой подход позволяет получить генеративные модели по качеству сопоставимые с подходами на основе WGANs. При этом сам подход обладает рядом интересных теоретических и практических свойств. Презентация будет в целом основана на результатах нашей недавней статьи "Нейронный оптимальный транспорт".
(ICLR, 2023). Я представлю алгоритм на основе нейросетей для вычисления отображений ОТ для слабых и сильных функций стоимости. Для этого я буду использовать важные теоретические свойства двойственной задачи OT. В практическом плане эффективность разработанных методов будет продемонстрирована на примере решения задач непарной передачи стиля от изображения к изображению. Ссылки: Neural Optimal Transport (ICLR, 2023)
Unpaired Image Super-Resolution with Optimal Transport Maps (preprint)
Generative Modeling with Optimal Transport Maps (ICLR, 2022)
Do Neural Optimal Transport Solvers Work? A Continuous Wasserstein-2 Benchmark (NeurIPS, 2021)