最优传输论文（二十八）：Wasserstein barycenter and its application to texture mixing论文原理

---

前言

• 文章来自2011年的SSVM
• 本文是本人领域自适应与最优传输系列论文的第28篇，所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms，希望各位大佬们不吝点赞，给个Star哦~

---

摘要

• 本文提出了Monge-Kantorovich最优运输空间上离散概率分布平均作为重心的新定义。为了克服数值求解这类问题所涉及的时间复杂性**，将原始的Wasserstein度量替换为一维分布上的切片近似**。这使我们能够引入一种新的快速梯度下降算法来计算**点云（离散概率分布）**的Wasserstein重心。
• 概率重心这一新概念很可能在计算机视觉中找到应用，在计算机视觉中，人们希望平均定义为分布的特征。我们展示了纹理合成和混合的应用，其中纹理的特征是对多尺度定向滤波器组的响应分布。这提供了一种在颜色纹理的凸域中导航的简单方法。

---

1 Int