带误差凭证的切片 Wasserstein 草图

研究人员提出带误差凭证的切片 Wasserstein 草图方法，通过 $L$ 个共享投影进行最优 $M$-atom 量化，实现 $O(LM)$ 比较时间。该方法将平方距离误差精确分解为残差与划分不匹配项并给出可计算凭证，在有限阶矩下保证 $O(M^{-1})$ 误差。实验表明该草图在文档、点云等基准上显著降低存储并保持分类性能，还能作为紧凑池化层支持端到端学习。