用于异构跨曲率对齐的常曲率切片 Gromov-Wasserstein

基于摘要分析。该研究针对混合曲率表征中不同曲率空间缺乏统一度量、各分量通常独立学习而难以显式约束几何一致性的问题，提出 constant-curvature sliced Gromov-Wasserstein（CCSGW），用于对齐异构常曲率空间上的概率分布。 机制上，Gromov-Wasserstein（GW）通过比较各空间内部的几何关系进行对齐，而不要求不同空间共享同一种点间度量。作者引入球面空间中基于测地线的一维投影，再将 sliced GW 扩展至常曲率空间。作者称该构造能够保留内在几何关系并降低计算成本，且理论分析表明 CCSGW 可控制异构空间间的内在几何差异，促进分布层面的几何一致性；具体投影构造、理论成立条件与复杂度尚未验证。 作者报告，将 CCSGW 集成到图异常检测、图节点分类和多模态学习任务后，在多种设置中获得一致的性能提升。摘要未提供数据集、划分、对照基线、指标及提升数值，因此无法判断收益幅度或进行跨协议比较；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 的不同表征被建模于不同曲率空间，CCSGW 可能为跨表征几何一致性约束提供工具，但原领域有效不等于 BCI 有效。可复用部分是分布级几何对齐，需改造的是 EEG 编码器、曲率空间选择和任务目标的结合方式；其依赖空间内部距离与样本分布的可靠估计，所需监督及样本规模尚不明确。低信噪比、跨被试差异、通道配置变化与小数据可能使几何估计不稳定，或导致对齐削弱任务相关差异。一个可检验的假设是在固定 Cross-subject EEG 划分、编码器和训练预算下，比较混合曲率表征加入与不加入 CCSGW 的任务指标及多次重复稳定性。已有 EEG 相关工作尚未检索确认。