Minimax Optimal Estimation of Transport-Growth Pairs in Unbalanced Optimal Transport

Résumé Technique : Estimation Minimax Optimale des Paires Transport-Croissance dans le Transport Optimal Déséquilibré

Énoncé du Problème
Le Transport Optimal Déséquilibré (UOT) étend le Transport Optimal (OT) classique à des scénarios où les masses totales des mesures source et cible diffèrent, ou où la création/destruction de masse est intrinsèque au phénomène. Bien que les cadres computationnels pour l'UOT (par exemple, les formulations de transport entropique, les solveurs de type Sinkhorn) soient bien établis, la théorie statistique pour l'estimation d'objets de type Monge dans l'UOT reste sous-développée.

Dans l'OT équilibré, la cible statistique est une application de transport $T$. Dans l'UOT, cependant, la cible populationnelle naturelle n'est pas une application seule, mais une paire transport-croissance $(T_0, \lambda_0)$, où $T_0$ est l'application de transport et $\lambda_0$ un facteur de croissance (poids) qui rééchelonne la masse après le transport pour réconcilier les écarts de masse. L'article traite de l'estimation statistique de cette paire à partir d'échantillons finis, visant à établir des taux de convergence minimax optimaux et à fournir une fondation rigoureuse pour l'estimation de type Monge dans le cadre de l'UOT.

Méthodologie
Les auteurs étudient l'UOT avec un coût quadratique et des pénalités marginales de Kullback-Leibler (KL). Ils proposent deux estimateurs distincts pour la paire transport-croissance, adaptés à différents régimes de données :

1. Estimateur Basé sur le Plan (1NN) :

   • Approche : Résout le problème de Kantorovich discret sous des mesures empiriques pour obtenir une matrice de plan de transport optimale. Il construit ensuite l'application de transport via la projection de Fréchet (projection barycentrique) des lignes du plan et estime le facteur de croissance en utilisant le rapport des masses de lignes ajustées aux masses sources empiriques, ajusté par le coût de transport.
   • Extension : Les estimations discrètes aux points d'échantillon sont étendues à l'ensemble du domaine en utilisant une méthode de plus proche voisin (Voronoi).
   • Applicabilité : Conçu pour des cas généraux, y compris des données de haute dimension où la régularité de la densité n'est pas supposée.

2. Estimateur Basé sur les Noyaux :

   • Approche : Suppose que les mesures possèdent des densités lisses sur un hypercube $\Omega = [0, 1]^d$. Il estime d'abord les densités en utilisant un estimateur de densité par noyau adapté aux bords basé sur une base de cosinus (noyau de Neumann), ce qui évite les hypothèses de périodicité requises par les méthodes de Fourier standard.
   • Estimation : La paire transport-croissance est estimée en résolvant le problème UOT entre les estimations de densité lissées (approche plug-in).
   • Applicabilité : Adaptatif à la régularité des densités sous-jacentes, offrant des taux de convergence plus rapides dans les régimes lisses.

Contributions Techniques Clés
L'innovation technique principale de l'article est une réduction de stabilité basée sur la valeur. Contrairement à l'OT équilibré, où des potentiels semi-duaux peuvent être utilisés pour borner directement les erreurs de transport, l'UOT implique une application de croissance qui complique l'analyse d'erreur. Les auteurs :

• Déduisent un développement du premier ordre de l'objectif UOT sous des perturbations des marginales.
• Établissent une borne de stabilité qui convertit les perturbations de la valeur UOT en risques séparés pour l'application de transport et le facteur de croissance.
• Introduisent une « condition d'écart UOT » (Lemme 2) qui relie l'écart du potentiel dual à la distance au carré entre les applications de transport estimées et réelles, isolant les étapes analytiques spécifiques à l'UOT du choix de l'estimateur marginal.

Résultats Principaux
Les auteurs dérivent des bornes supérieures sur l'erreur d'estimation pour les deux estimateurs et prouvent des bornes inférieures correspondantes pour établir l'optimalité minimax.

• Taux de l'Estimateur Basé sur le Plan : L'erreur d'estimation converge à un taux déterminé par la distance de Wasserstein des mesures empiriques. Pour une dimension $d \ge 5$, le taux est $\tilde{O}(N^{-2/d})$, où $N = \min(n, m)$. Cela correspond au taux pour l'OT équilibré en haute dimension mais s'applique à l'estimation conjointe des applications de transport et de croissance.
• Taux de l'Estimateur Basé sur les Noyaux : Sous des hypothèses de régularité (classe de Hölder $C^\alpha$), l'estimateur à noyau atteint un taux de $\tilde{O}(N^{-2\alpha/(2\alpha - 2 + d)})$. Ce taux améliore l'estimateur basé sur le plan en atténuant le fléau de la dimensionnalité grâce à la régularité de la densité.
• Optimalité Minimax : L'article établit une borne inférieure minimax pour le régime d'hypercube lisse qui correspond à la borne supérieure de l'estimateur basé sur les noyaux (à des facteurs logarithmiques près). Cela confirme que les estimateurs proposés sont statistiquement optimaux.
• Estimation de Masse : L'analyse prend explicitement en compte l'erreur dans l'estimation des masses totales ($M_\mu, M_\nu$), montrant que si les estimateurs de masse convergent à des taux paramétriques, ils ne dégradent pas le taux de convergence global de la paire transport-croissance.

Signification et Revendications
L'article revendique fournir la première fondation statistique pour l'estimation de type Monge dans le transport optimal déséquilibré. Sa signification réside dans :

1. Recadrage de la Cible : Identifier correctement la paire transport-croissance comme l'objet statistique fondamental dans l'UOT, plutôt qu'une simple application de transport.
2. Optimalité : Prouver que les estimateurs peuvent atteindre des taux minimax optimaux, améliorant les évaluations existantes (par exemple, [VV22, VV23]) qui se concentraient sur des potentiels semi-duaux ou fournissaient des taux sous-optimaux pour les applications de Monge.
3. Avancement Méthodologique : Introduire une technique de preuve basée sur la stabilité qui contourne les limitations des arguments de potentiels semi-duaux en présence de pénalités de masse, permettant l'évaluation de l'optimalité pour la solution complète de type Monge.

Validation Expérimentale
Les résultats théoriques sont soutenus par des simulations sur des données synthétiques et une application à la complétion de formes 3D.

• Données Synthétiques : Les expériences confirment que les estimateurs plug-in (noyaux et ondelettes) atteignent des taux d'apprentissage correspondant étroitement aux bornes supérieures théoriques et surpassent les estimateurs basés sur le plan et les références existantes (SSUOT) en termes d'Erreur Quadratique Moyenne (MSE).
• Complétion de Formes 3D : Appliqué à l'ensemble de données Completion3D, l'estimateur à noyau basé sur le plan reconstruit avec succès des formes et rejette implicitement les valeurs aberrantes (voitures) en attribuant des poids de croissance proches de zéro, démontrant l'utilité pratique de l'application de croissance pour gérer des données non appariées avec du bruit.

Limites
Les auteurs notent que leur configuration actuelle ne couvre pas la régularisation entropique, qui est un outil computationnel courant en UOT, identifiant cela comme une direction pour un travail futur. L'analyse théorique est également restreinte aux coûts quadratiques et à des géométries de domaine spécifiques (domaines convexes bornés et hypercubes).