推土机距离的两个公式

这两个公式都是用来描述Wasserstein距离（推土机距离）的不同表达方式。

第一个公式：
$$W(P_r,P_g)=\underset{\gamma \sim \Pi (P_r,P_g)}{\inf }{\mathbb{E}}_{(x,y)\sim \gamma }[||x-y||]$$
表示的是Wasserstein距离的原始定义，它通过考虑所有可能的联合分布$\gamma$（其边缘分布分别是$P_r$和$P_g$）来寻找最优传输计划，使得从分布$P_r$到$P_g$的"成本"（在这里是$x$和$y$之间的欧氏距离$||x-y||$的期望）最小化。

第二个公式：
$$W(P_r,P_g)=\frac{1}{K}\underset{||f|{|}_L\le K}{\sup }{\mathbb{E}}_{x\sim P_r}[f(x)]-{\mathbb{E}}_{x\sim P_g}[f(x)]$$
则是Wasserstein距离的一种等价表述，称为Kantorovich-Rubinstein对偶性。这个表述利用了Lipschitz连续函数的性质来描述分布之间的距离。其中，$||f|{|}_L\le K$表示函数$f$是K-Lipschitz连续的，即对于所有的$x$和$y$，有$|f(x)-f(y)|\le K||x-y||$。

简而言之，这两个公式都描述了Wasserstein距离，但它们从不同的角度来表达这个概念：第一个公式从最优传输的角度出发，第二个公式则利用Lipschitz连续函数的对偶性。在实际应用中，比如在生成对抗网络（GANs）中使用Wasserstein距离时，通常会根据具体的计算需求选择适当的表述形式。