Buchumschlag

Revisiting the Sliced Wasserstein Kernel for persistence diagrams: a Figalli-Gigli approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Janthial, Marc, Lacombe, Théo
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Computational Geometry
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Discrete transforms of quantized persistence diagrams
von: Van Huffel, Michael Etienne, et al.
Veröffentlicht: (2023)

Statistical learning on measures: an application to persistence diagrams
von: Hacquard, Olympio, et al.
Veröffentlicht: (2023)

Diffeomorphic interpolation for efficient persistence-based topological optimization
von: Carriere, Mathieu, et al.
Veröffentlicht: (2024)

Persistence-based topological optimization: a survey
von: Carriere, Mathieu, et al.
Veröffentlicht: (2026)

Slicing Wasserstein Over Wasserstein Via Functional Optimal Transport
von: Piening, Moritz, et al.
Veröffentlicht: (2025)

Universality of persistence diagrams and the bottleneck and Wasserstein distances
von: Bubenik, Peter, et al.
Veröffentlicht: (2019)

Busemann Functions in the Wasserstein Space: Existence, Closed-Forms, and Applications to Slicing
von: Bonet, Clément, et al.
Veröffentlicht: (2025)

Statistical and Computational Guarantees of Kernel Max-Sliced Wasserstein Distances
von: Wang, Jie, et al.
Veröffentlicht: (2024)

Dimension-Independent Kernel ε-Covers
von: Phillips, Jeff M., et al.
Veröffentlicht: (2023)

Wasserstein Wormhole: Scalable Optimal Transport Distance with Transformers
von: Haviv, Doron, et al.
Veröffentlicht: (2024)

Wasserstein convergence of Čech persistence diagrams for samplings of submanifolds
von: Arnal, Charles, et al.
Veröffentlicht: (2024)

Understanding the Topology and the Geometry of the Space of Persistence Diagrams via Optimal Partial Transport
von: Divol, Vincent, et al.
Veröffentlicht: (2019)

Fused Gromov-Wasserstein Distance with Feature Selection
von: Lee, Harlin, et al.
Veröffentlicht: (2026)

Computing distances and means on manifolds with a metric-constrained Eikonal approach
von: Kelshaw, Daniel, et al.
Veröffentlicht: (2024)

Expected Sliced Transport Plans
von: Liu, Xinran, et al.
Veröffentlicht: (2024)

Optimizing Kernel Discrepancies via Subset Selection
von: Chen, Deyao, et al.
Veröffentlicht: (2025)

The Observable Wasserstein Distance
von: Santos, Edivaldo Lopes dos, et al.
Veröffentlicht: (2026)

The Z-Gromov-Wasserstein Distance
von: Bauer, Martin, et al.
Veröffentlicht: (2024)

Rigid Invariant Sliced Wasserstein via Independent Embeddings
von: Heile, Zakk, et al.
Veröffentlicht: (2025)

Metric properties of partial and robust Gromov-Wasserstein distances
von: Chhoa, Jannatul, et al.
Veröffentlicht: (2024)

Kernel-Gradient Drifting Models
von: Esteban-Casadevall, Maria, et al.
Veröffentlicht: (2026)

Linear Spherical Sliced Optimal Transport: A Fast Metric for Comparing Spherical Data
von: Liu, Xinran, et al.
Veröffentlicht: (2024)

Understanding Learning with Sliced-Wasserstein Requires Rethinking Informative Slices
von: Tran, Huy, et al.
Veröffentlicht: (2024)

Energy-Based Sliced Wasserstein Distance
von: Nguyen, Khai, et al.
Veröffentlicht: (2023)

Sliced Wasserstein Estimation with Control Variates
von: Nguyen, Khai, et al.
Veröffentlicht: (2023)

Reinforcement learning for automatic quadrilateral mesh generation: a soft actor-critic approach
von: Pan, Jie, et al.
Veröffentlicht: (2022)

Geometric Learning with Positively Decomposable Kernels
von: Da Costa, Nathael, et al.
Veröffentlicht: (2023)

Virtual persistence diagrams, signed measures, Wasserstein distances, and Banach spaces
von: Bubenik, Peter, et al.
Veröffentlicht: (2020)

Min Generalized Sliced Gromov Wasserstein: A Scalable Path to Gromov Wasserstein
von: Shahbazi, Ashkan, et al.
Veröffentlicht: (2026)

Stereographic Spherical Sliced Wasserstein Distances
von: Tran, Huy, et al.
Veröffentlicht: (2024)

Unbiased Sliced Wasserstein Kernels for High-Quality Audio Captioning
von: Luong, Manh, et al.
Veröffentlicht: (2025)

Max-Sliced Wasserstein Distance and its use for GANs
von: Deshpande, Ishan, et al.
Veröffentlicht: (2019)

Ironing the Graphs: Toward a Correct Geometric Analysis of Large-Scale Graphs
von: Naama, Saloua, et al.
Veröffentlicht: (2024)

Minimum Enclosing Ball Synthetic Minority Oversampling Technique from a Geometric Perspective
von: Shangguan, Yi-Yang, et al.
Veröffentlicht: (2024)

Kernel smoothing on manifolds
von: Bae, Eunseong, et al.
Veröffentlicht: (2026)

Sliced Wasserstein with Random-Path Projecting Directions
von: Nguyen, Khai, et al.
Veröffentlicht: (2024)

S2WTM: Spherical Sliced-Wasserstein Autoencoder for Topic Modeling
von: Adhya, Suman, et al.
Veröffentlicht: (2025)

GeoLAN: Geometric Learning of Latent Explanatory Directions in Large Language Models
von: Pan, Tianyu Bell, et al.
Veröffentlicht: (2026)

Classifiers in High Dimensional Hilbert Metrics
von: Acharya, Aditya, et al.
Veröffentlicht: (2026)

Neural Approximation of Generalized Voronoi Diagrams
von: Rigas, Panagiotis, et al.
Veröffentlicht: (2026)