具有超球面测地线匹配的无监督潜在空间对准

arXiv:2608.28840v1 公告类型：新 摘要：独立训练的神经网络倾向于使用相似的潜在几何结构对相同的数据进行编码。这些潜在的几何形状并不直接兼容，但在某些类别的变换下它们几乎是相同的。虽然存在许多用于不同潜在空间之间对齐的方法，但通常是使用一组共享样本对应（称为锚）来完成。这就留下了一个基本问题：代表相似数据的不同潜在空间的几何特征是否足以恢复它们之间的对齐？为此，我们引入了 HGA（超球面高斯对齐），这是一种通过最大化两个潜在空间之间“拟合”的几何度量来直接优化两个潜在空间之间的变换的方法。由于 HGA 是由潜在空间的几何形状而不是配对数据驱动的，因此它可以在无监督和弱监督的情况下运行。在模型拼接或多语言词嵌入对应恢复等任务中，HGA 能够在最少或无监督的情况下匹配监督结果。