ott-jax/ott

解决的问题

提供一个可扩展、加速器就绪的库，用于高效求解最优传输（OT）问题。这使得用户能够基于成本函数，高效匹配两个点云或点集，克服传统算法（如匈牙利算法）的 $O(n^3)$ 复杂度。

工作原理

基于 JAX 构建，该库实现了多种离散求解器，尤其是经过调度、动量和低秩扩展优化的 Sinkhorn 算法。它还支持基于神经网络的方法，用于近似源测度与目标测度之间的最优传输映射。除了基础匹配外，它还能处理 Gromov-Wasserstein 和 Wasserstein 平均等高级问题，适用于多样化的点云比较场景。

适用人群

从事点云匹配、数学优化和数据科学的研究人员和开发者，需要在 GPU 或 TPU 上进行高性能计算。

主要亮点

• 基于 JAX，可在加速器上实现高性能执行。
• 实现了带有多种加速优化的 Sinkhorn 算法。
• 支持基于神经网络的传输映射近似。
• 可处理 Gromov-Wasserstein 和 Wasserstein 平均问题。
• 支持自定义成本函数和目标函数的灵活定义。