연구진이 Sliced-Wasserstein 거리 추정의 새로운 방법론을 제시했어요. 기존 방식의 데이터 정렬 필요성을 없애고, 대규모 데이터 병렬 처리가 가능하도록 설계됐어요. 누적 분포 함수(CDF) 기반으로, 가우시안 혼합과 같은 환경에서 효과적이며 연합 학습에도 적합해요.
기존 방식은 1차원 Wasserstein 거리를 계산하기 위해 분위수 함수를 사용했는데, 이 방법은 누적 분포 함수(CDF)를 활용해 데이터 정렬 없이도 계산이 가능해요. 연구 결과, CDF는 분위수 함수보다 더 용이하게 계산할 수 있으며, 연합 학습 환경에서도 유용해요.
새로운 방법은 데이터 정렬 없이도 Sliced-Wasserstein 거리를 추정할 수 있도록 설계되어, 대규모 데이터 처리와 연합 학습에 적합하며, 특히 가우시안 혼합과 같은 환경에서 효과적인 성능을 보여줘요.