sinkhorn

因果神经集合过滤 (CNSF) 是一种用于在线多目标跟踪的神经网络方法，与 Track-MT3 相比，通过将错误指标降低 19.3% 和 30.4%，提升了效率和性能，同时参数更少，推理更快。

本文介绍了MESH，一种用于混合专家（MoE）训练的内存高效Sinkhorn优化器，它在不存储完整优化器状态的情况下恢复时间动量，相比AdamW将内存减少62.5%，同时保持有竞争力的评估损失。

本文提出了一个用于冷启动主动学习的统一最优传输框架，引入了一种基于Sinkhorn的算法（ε-AS），该算法根据数据自适应调整正则化强度，并在六个数据集上取得了最先进的结果，包括相比先前方法将ImageNet-1k准确率提升1.29%，同时将选择时间减少56.2%。