Resumen Técnico: Transporte Óptimo Transferible Eficiente mediante Planes de Transporte Sliced Mínimo

Enunciado del Problema

El Transporte Óptimo (OT) proporciona un marco fundamentado para establecer correspondencias entre distribuciones de probabilidad, con aplicaciones que van desde la adaptación de dominio y el modelado generativo hasta el análisis de células individuales y la coincidencia de formas. Sin embargo, calcular planes de OT exactos es computacionalmente costoso, escalando cúbicamente con el número de muestras. Si bien los métodos "sliced" (cortados) han surgido como alternativas eficientes al proyectar distribuciones de alta dimensión sobre marginales unidimensionales, los enfoques existentes adolecen de dos limitaciones principales:

1. Falta de Planes Explícitos: Muchos métodos sliced calculan distancias pero no logran recuperar planes de transporte explícitos.
2. Ineficiencia en Tareas Repetidas: Los solucionadores de OT eficientes actuales están diseñados para problemas de instancia única. En escenarios del mundo real que involucran distribuciones en evolución o estructuralmente similares (por ejemplo, biología del desarrollo o traducción secuencial de imágenes), se descarta información valiosa de soluciones anteriores, obligando a los solucionadores a recalcular todo desde cero.

La pregunta central abordada es si un "slicer" (una función de proyección) aprendido en un par de distribuciones puede transferirse efectivamente para producir planes de transporte óptimo para pares de distribuciones no vistos y relacionados.

Metodología

El artículo propone el marco Min-Sliced Transport Plan (min-STP), que integra slicers generalizados aprendibles con una base teórica para la transferibilidad.

1. Plan de Transporte Sliced Mínimo (min-STP)

El marco se basa en el Plan de Transporte Sliced (STP), que eleva un plan de transporte óptimo unidimensional desde un espacio proyectado de vuelta al espacio ambiente mediante un mapa inyectivo $f$. Para encontrar el plan más eficiente, el método minimiza el costo de transporte sobre una clase de funciones paramétricas $\mathcal{F}$:
$$\text{min-STP}_p(\mu, \nu) = \min_{f \in \mathcal{F}} \text{STP}_p(\mu, \nu; f)$$
Esta formulación coincide con min-SWGG y los Planes de Transporte Sliced Generalizados Diferenciables (DGSWP) en casos específicos, pero se extiende aquí para apoyar la transferibilidad.

2. Transferibilidad Teórica

La contribución teórica central es un teorema de transferibilidad. Los autores establecen que los slicers optimizados son estables bajo pequeñas perturbaciones de las distribuciones fuente y objetivo.

• Modelo de Perturbación: Introducen un objetivo suavizado $J_\eta$ añadiendo ruido Laplace a las proyecciones del slicer. Esto garantiza la inyectividad de la proyección y permite una clasificación diferenciable.
• Resultado de Estabilidad: Utilizando el Teorema del Máximo de Berge y la compacidad de la clase de funciones $\mathcal{F}$, demuestran que si dos pares de distribuciones $(\mu_1, \nu_1)$ y $(\mu_2, \nu_2)$ están cercanos en distancia de Wasserstein (es decir, $OT_p(\mu_1, \mu_2) + OT_p(\nu_1, \nu_2) < \tau$), entonces sus slicers óptimos $f_1^*$ y $f_2^*$ están cercanos en la norma uniforme ($\|f_1^* - f_2^*\|_\infty < \epsilon$).
• Implicación: Esto proporciona la primera base teórica para la reutilización amortizada de slicers, permitiendo que un slicer aprendido en una tarea fuente sirva como una inicialización efectiva o un prior para una tarea objetivo relacionada.

3. Implementación Computacional: LapSum y Minilotes

Para lograr escalabilidad y diferenciabilidad, el método emplea dos técnicas clave:

• LapSum (Clasificación Suavizada): En lugar de utilizar ruido gaussiano y variables de control (como en DGSWP), lo cual puede sufrir de alta varianza, los autores utilizan LapSum. Mediante la inyección de ruido Laplace, derivan una expresión de forma cerrada para la función de distribución acumulada inversa (CDF) de las proyecciones suavizadas. Esto permite una clasificación y estimación de rangos diferenciables con complejidad $O(n \log n)$ y memoria $O(n)$, evitando la necesidad de resolver repetidamente problemas de OT 1D.
• Formulación de Minilotes: Para manejar conjuntos de datos a gran escala, los autores introducen una versión de minilote de la pérdida min-STP. Proporcionan tasas estadísticas que demuestran que el objetivo de minilote converge al objetivo de lote completo a medida que aumenta el tamaño del lote, con límites que dependen de los módulos de cuantiles de las distribuciones proyectadas.

Contribuciones Clave

1. Caracterización de la Transferibilidad: El artículo caracteriza la transferibilidad de los slicers optimizados, demostrando que los slicers permanecen cercanos bajo pequeñas perturbaciones fuente-objetivo, habilitando una reutilización eficiente entre tareas relacionadas.
2. Tasas Estadísticas para Minilotes: Los autores derivan tasas estadísticas de muestra finita para slicers optimizados utilizando minilotes fuente-objetivo, proporcionando garantías teóricas para la escalabilidad del enfoque.
3. Validación Empírica: Se demuestra que el método logra un fuerte rendimiento de coincidencia de un solo disparo (one-shot) y facilita el entrenamiento amortizado en tres dominios distintos: alineación de nubes de puntos, generación de flujo medio y traducción de imágenes no emparejadas.

Resultados Experimentales

Los autores evaluaron el marco min-STP transferible en varias pruebas de referencia:

• Deriva Gradual (Sintético): En una secuencia de pares de distribuciones que cambian gradualmente (rotaciones y zooms), un slicer preentrenado en una tarea anterior ($t-1$) comenzó con un costo objetivo significativamente menor que la inicialización aleatoria cuando se aplicó a la tarea $t$. Esto confirmó que el slicer aprendido captura estructuras geométricas persistentes.
• Alineación de Nubes de Puntos (ModelNet10): Un slicer amortizado entrenado en todos los pares de entrenamiento de categorías de objetos (por ejemplo, escritorio, sofá) se probó en pares no vistos. El min-STP amortizado logró correlaciones de Pearson con el OT exacto comparables al min-STP por par (que entrena un slicer separado para cada par) y superó significativamente a las líneas base como los slicers aleatorios y el Agujero de Gusano de Wasserstein.
• Generación Basada en Flujos (ShapeNet): En un escenario de generación de un solo paso utilizando MeanFlow, el min-STP equilibró un tiempo de cálculo bajo con una distancia de Wasserstein ($W_2$) baja respecto a la verdad fundamental, superando a las líneas base en el compromiso entre eficiencia y precisión.
• Traducción de Imágenes (FFHQ): En la traducción de imágenes no emparejadas (Adulto-a-Niño), la estructura min-STP transferible permitió un entrenamiento eficiente donde el plan de transporte se calculó mediante un slicer compartido, a diferencia de otros métodos que requerían recalcular planes para cada lote.

Significado y Afirmaciones

El artículo afirma proporcionar la primera base teórica para la reutilización amortizada de slicers en transporte óptimo. Al establecer un vínculo formal entre la similitud distribucional y la proximidad del slicer, el trabajo permite la transición de cálculos de OT aislados a un OT adaptativo y amortizado a través de problemas relacionados.

El significado radica en:

• Eficiencia: Eliminar la necesidad de recalcular planes de transporte desde cero para pares de distribuciones relacionados.
• Escalabilidad: La combinación de LapSum y entrenamiento por minilotes hace factible el OT a gran escala sin sacrificar la calidad del plan de transporte.
• Generalización: Demostrar que un único slicer consciente de la geometría puede generalizar a través de diversos dominios (formas 3D, imágenes y distribuciones sintéticas), abriendo vías para un OT escalable en entornos dinámicos y multi-dominio.

Los autores señalan que sus resultados teóricos actualmente se aplican a configuraciones discretas y que el método depende del supuesto de que los pares fuente-objetivo son suficientemente similares para que la transferencia sea efectiva.