Wasserstein Filtering: A Sample Selection Method for Robust Distribution Learning
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: Wasserstein 거리 최대화를 기반으로 오염된 데이터셋에서 기하학적 이상치를 효과적으로 분리하고 제거하는 Wasserstein Filtering(WF) 프레임워크 제안. 독창적 차별점 2: 엔트로피 최적 수송 및 슬라이스드(Sliced) Wasserstein 근사를 적용하여 고차원 계산 복잡도를 극복하고 FELP 오염 모델 하에서 minimax 최적성 증명. 실무 파급력 3: 드론 및 UAV의 VIO/SLAM 센서 오염 노이즈 … 더 읽기