提出常曲率切片 Gromov-Wasserstein（CCSGW）

1. 12:00
   arXiv · Machine Learning Theory

   常曲率切片 Gromov-Wasserstein 用于异构跨曲率对齐

   研究者提出常曲率切片 Gromov-Wasserstein（CCSGW），一种用于对齐支撑在异构常曲率空间上分布的新型散度。该方法补全球面空间缺失的基于测地线的一维投影，将 sliced GW 扩展到常曲率空间，在保留内在几何关系的同时降低计算开销。理论分析表明 CCSGW 能控制异构空间间的内在几何差异；将其融入图异常检测、图节点分类和多模态学习等现有混合曲率任务，在多种设置下取得一致性能提升。

Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.