데이터 기반 몽크 최적 수송 중심 문제 해결법

초록

본 논문은 요인 z와 변환된 결과 y 사이의 통계적 독립성을 이용해 Monge 형태의 최적 수송 중심(OTBP) 문제를 정의하고, 독립성 조건을 함수 공간 내의 무상관성으로 완화한 뒤, 작은 차원의 행렬에 대한 첫 번째 주성분을 이용해 적대적 전략을 닫힌 형태로 구한다. 이를 순수 최소화 문제로 전환하고 위상공간 흐름 기반의 그래디언트 하강으로 효율적으로 해결한다. 연속·이산 요인을 모두 포함하는 무한 마진 상황에도 적용 가능하며, 조건부 밀도 시뮬레이션·추정, 비모수 베이지안 추론 등 다양한 응용을 제시한다.

상세 분석

논문은 먼저 Monge식 최적 수송을 변수 x와 요인 z 사이의 조건부 분포 ρ(x|z) 로부터 정의한다. 목표는 변환 y = T(x, z) 를 찾아 y와 z 가 완전 독립이 되도록 하는데, 이는 기존 Wasserstein barycenter와 달리 “데이터를 요인으로 설명 가능한 변동만 제거하고 남은 변동을 보존”한다는 실용적 의미를 갖는다. 독립성 제약을 직접 다루면 최적화가 비선형·비볼록이 되지만, 저자들은 이를 함수 공간 𝔽와 𝔾 로 제한하고 ⟨f(z), g(y)⟩ = 0 형태의 무상관성 조건으로 완화한다. 이때 f와 g는 각각 z와 y에 대한 기저 함수이며, 최적의 f*, g* 는 행렬 M = E