最优传输
研究如何以最低代价将一个概率分布搬运到另一个分布的数学理论，源于Monge 1781年的土方搬运问题，由Kantorovich重新表述为线性规划，Brenier定理为其核心结论之一
时间轴 (近 90 天)
在节点数较小的单步依赖图上，采用 Sinkhorn 迭代等近似算法可以将最优传输的求解耗时压到毫秒级。
最优传输（Optimal Transport）是衡量两个概率分布之间差异的数学框架，最初由 Monge 在 18 世纪提出，也称推土机距离（Earth Mover's Distance）。
OnTrack 使用最优传输（Optimal Transport）来衡量当前轨迹与参考轨迹之间的结构差异，而非简单的字符串或嵌入相似度比较。
Wasserstein距离通过将聚类划分表示为概率测度并求解最优传输问题，绕过标签置换问题，度量将一种划分搬运成另一种划分所需的最小总代价
DT-DRO将诊断信息转化为结果层面的传输，同时调整模糊集的中心和传输的基础成本
Wasserstein距离衡量将一个分布搬运成另一个分布所需的最小代价，代价大小由基础成本函数决定
IAU-FOA在局部层面将patch tokens聚类成局部模式，并通过最优传输（OT）进行细粒度特征匹配
最优传输（OT）源自19世纪Monge提出的土方搬运问题，现代形式由Kantorovich给出，用于度量特征分布之间的Wasserstein距离
粒子变形的难点在于粒子配对，工业级实现往往借助最优传输或匈牙利算法来最小化粒子移动距离
报告人将各类生成算法按端点依赖程度排成谱系：最左端是flow matching与独立端点的stochastic interpolant（训练简单但推理需多步积分），最右端是完整求解最优传输（直线性平凡但训练困难）
还有 6 条时间轴事件
全部知识事实 (16)
在节点数较小的单步依赖图上，采用 Sinkhorn 迭代等近似算法可以将最优传输的求解耗时压到毫秒级。
50%待验证最优传输（Optimal Transport）是衡量两个概率分布之间差异的数学框架，最初由 Monge 在 18 世纪提出，也称推土机距离（Earth Mover's Distance）。
50%待验证OnTrack 使用最优传输（Optimal Transport）来衡量当前轨迹与参考轨迹之间的结构差异，而非简单的字符串或嵌入相似度比较。
50%待验证Wasserstein距离通过将聚类划分表示为概率测度并求解最优传输问题，绕过标签置换问题，度量将一种划分搬运成另一种划分所需的最小总代价
50%待验证DT-DRO将诊断信息转化为结果层面的传输，同时调整模糊集的中心和传输的基础成本
50%待验证Wasserstein距离衡量将一个分布搬运成另一个分布所需的最小代价，代价大小由基础成本函数决定
50%待验证IAU-FOA在局部层面将patch tokens聚类成局部模式，并通过最优传输（OT）进行细粒度特征匹配
50%待验证最优传输（OT）源自19世纪Monge提出的土方搬运问题，现代形式由Kantorovich给出，用于度量特征分布之间的Wasserstein距离
50%待验证粒子变形的难点在于粒子配对，工业级实现往往借助最优传输或匈牙利算法来最小化粒子移动距离
50%待验证报告人将各类生成算法按端点依赖程度排成谱系：最左端是flow matching与独立端点的stochastic interpolant（训练简单但推理需多步积分），最右端是完整求解最优传输（直线性平凡但训练困难）
50%待验证Brenier定理（1991年）指出当源分布绝对连续时，平方欧氏代价下将源分布传输到目标分布的唯一最优映射必然是某个凸函数（Brenier势）的梯度
50%待验证在一维情形下最优传输映射有闭式解，可由起始分布的累积分布函数与目标分布的分位数函数表示
50%待验证法国数学家Cédric Villani凭借在最优传输领域的研究获得2010年菲尔兹奖
50%待验证苏联数学家Leonid Kantorovich在20世纪40年代对最优传输进行了重新表述并推广，该工作后来为他赢得诺贝尔经济学奖
50%待验证点画生成本质上是最优传输（Optimal Transport）理论的一个应用场景
50%待验证一位开发者在Reddit上分享了基于最优传输思想实现的点画生成实验，用2万个点将普通图像转化为艺术作品
50%