Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2510.16465

帮助 | 高级搜索

数学 > 统计理论

arXiv:2510.16465 (math)
[提交于 2025年10月18日 ]

标题: Sliced和标准$1$- Wasserstein距离之间的精确比较

标题: Sharp comparisons between sliced and standard $1$-Wasserstein distances

Authors:Guillaume Carlier, Alessio Figalli, Quentin Mérigot, Yi Wang
摘要: 切片Wasserstein距离在实践中被广泛使用,作为高维情况下Wasserstein距离的计算效率更高的替代方法。 在本文中,受这种替代方法理论基础的启发,我们证明了切片$1$-Wasserstein距离与$1$-Wasserstein距离之间的定量估计。 我们构建了一个具体例子来展示估计中的指数是精确的。 我们还提供了对切片涉及投影到$k$-平面而非仅直线的情况的一般分析。
摘要: Sliced Wasserstein distances are widely used in practice as a computationally efficient alternative to Wasserstein distances in high dimensions. In this paper, motivated by theoretical foundations of this alternative, we prove quantitative estimates between the sliced $1$-Wasserstein distance and the $1$-Wasserstein distance. We construct a concrete example to demonstrate the exponents in the estimate is sharp. We also provide a general analysis for the case where slicing involves projections onto $k$-planes and not just lines.
评论: 19页
主题: 统计理论 (math.ST) ; 度量几何 (math.MG); 优化与控制 (math.OC)
MSC 类: 49Q22, 39B62
引用方式: arXiv:2510.16465 [math.ST]
  (或者 arXiv:2510.16465v1 [math.ST] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.16465
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yi Wang [查看电子邮件]
[v1] 星期六, 2025 年 10 月 18 日 12:18:17 UTC (53 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
math.ST
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
math
math.MG
math.OC
stat
stat.TH

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号