周昀点点头，将白板上的内容擦去：“好，那接下来我回答您的第二个问题。”
马克笔不断在白板上写下各种奇怪的符号，至少在一些旁听的老师和学生眼里是这样的。
“对于高维嵌入的数值稳定性，维度灾难会导致C_X和C_Y的谱不稳定，我引入了谱正则化：对相似矩阵施加核范数罚项，min ||C||*+λ||C - K||F^2
......
这样就能这确保了在噪声环境下，FGW的梯度下降不会发散，实验中在ImageNet-1K上的鲁棒性提升了15%。”
浙大老师并没有第一时间回答，而是重新翻到了论文的对应页面，看了一会儿才朝着周昀点了点头，眼里满是对周昀的欣赏：“我没问题了。”
此时，车伟强也放下了手里的笔，朝周昀笑了笑：“周昀同学，你的论文写得非常扎实，理论深度就算是我都有些自愧不如，
不过你能否解释一下关于你在多模态融合中提到的Schrödinger桥框架，在高维嵌入中，你如何处理SB路径优化的非凸性问题以保证收敛？”
旁听学生中有车伟强的学生，当他们看到老师脸上的笑容时，心中浮现出三个字——科幻片！
入学一两年以来，他们从来没见过车伟强在他们面前笑过。
果然，人和人之间的差距有时候比人和狗都大。
“没问题。”周昀微微点头，拿笔开始在白板写下公式：“Schrödinger桥（SB）通过最小化相对熵求解从视觉模态μ到语言模态ν的最优随机路径：
SB(μ，ν)= inf_{P: P_0=μ， P_1=ν} KL(P || Q)，其中Q是布朗运动参考路径，
为了融入时间序列对齐，我将动态时间规整（DTW）引入SB框架，构建时间依赖的传输计划。
......
推导上，SB的密度满足Fokker-Planck方程：∂p_t/∂t =-(1/2)Δp_t - div(p_t v_t)，其中v_t是最优速度场......”
车伟强听后，点了点头：“所以，你是用DTW给SB加了个时间对齐的先验，相当于在路径上加了个正则项，强制X和Y同步？就像是用动态规划把时间轴拉直。”
周昀笑着摇了摇头：“实则不然，刚刚我在PPT里也有讲到，我的做法是将DTW成本嵌入Gir
本章未完，请点击下一页继续阅读！