核心发现
方法论
论文用输入凸神经网络（ICNN）构造可解析真值的连续分布对。若ψ为凸函数，则∇ψ是从P到Q=∇ψ#P的最优二次代价传输映射。作者据此建立高维高斯混合物与64×64 CelebA图像基准，并评测tLS、tMM、tMM-B、tQCs、tMMv1、tMMv2和tW2s。
关键结果
- 在D=256高斯混合基准上，tW2s的L2-UVP为2.7%、cos为1.00；tMM-B为22.5%和0.93，线性基线为67.4%和0.77，tQCs为88.2%和0.66。
- CelebA64基准中，tW2s在Early/Mid/Late上的L2-UVP为1.7%/0.5%/0.25%，cos为0.99/0.95/0.93；tMM-B分别为45.9%/46.1%/47.7%。
- 高精度地图并不保证生成质量：论文指出，W2地图恢复较好的ICNN方法在图像生成中未必超过偏置更大的tQCs，说明下游梯度与真实OT地图是不同目标。
研究意义
研究把连续OT长期缺乏可复现实验真值的问题转化为标准化基准问题。它揭示：只报告GAN指标或W2估计值，无法证明求解器恢复了真实传输结构。该结论对生成模型、域适配和图像迁移具有直接警示意义，也为未来算法提供统一的地图误差、梯度方向和高维可扩展性测试。
技术贡献
核心技术是利用Brenier定理和ICNN构造Q=∇ψ#P，使真实映射T*=∇ψ已知；再通过多个凸势函数的平均生成更复杂、多模态的连续基准。论文同时区分地图误差与生成器所需的∇f*=id−T*，提出L2-UVP和余弦相似度联合评估，并覆盖D=2至256及CelebA64图像。
新颖性
相较仅有离散、低维有限支撑的基准，该工作首次系统提供可扩展到图像空间、具有解析连续OT映射的W2评测框架。新颖点不只是ICNN构造数据，更在于实证区分“距离估计正确”“地图正确”和“下游生成有效”三种并不等价的成功标准。
局限性
- 部分基准由tW2s先拟合得到，因此评测可能偏向ICNN方法；除非使用真实解析ψ，否则不能完全排除生成基准中的近似误差。
- 实验主要考察连续对偶求解器，未系统覆盖原始形式、扩散式或新近采样型方法；约100 GPU小时的训练成本也限制了广泛复现。
未来方向
未来应扩展到更多真实分布、非ICNN生成基准和原始形式求解器，研究正则化、批量近似与优化不稳定性的可控校正，并建立同时预测地图质量、梯度质量和下游收益的统一评测协议。
AI 总览摘要
最优传输已成为生成模型、域适配和图像迁移的基础工具，但连续分布上的神经求解器究竟是否真的求出了最优传输，长期缺少可靠答案。传统做法往往只看GAN的FID或估计出的Wasserstein距离；这些指标可能反映整个系统，而不是OT模块本身。论文《Do Neural Optimal Transport Solvers Work?》正面解决这一可验证性问题。
作者利用输入凸神经网络ICNN构造基准。对任意绝对连续分布P和凸函数ψ，Brenier定理保证∇ψ是从P到∇ψ#P的真实W2最优映射，因此可以精确知道答案。基准覆盖D=2至256的高斯混合物，并进一步构造64×64 CelebA人脸分布。作者比较tLS、tMM、tMM-B、tQCs、tMMv1、tMMv2和tW2s，采用L2-UVP衡量地图误差、cos衡量生成器所需梯度方向。
结果显示，高维性能差距巨大：D=256时tW2s的L2-UVP仅2.7%、cos为1.00，而tQCs为88.2%和0.66，tMM-B为22.5%和0.93；CelebA上tW2s的UVP为0.25%—1.7%。然而，准确恢复OT地图并不自动带来最佳图像生成效果。论文因此提出关键警示：OT距离、OT地图、训练梯度和下游性能必须分别评估，不能用单一指标替代。
深度分析
研究背景
连续OT用神经网络或核展开避免离散化，已服务于大规模学习、WGAN和域适配。W2具有几何意义和较强理论性质，但现有连续求解器通常在自造样例或GAN任务上验证，缺少非高斯、连续且高维的真值基准。离散基准无法直接解决这一问题。
核心问题
论文关注三个不同任务：计算W2²、恢复最优地图T*或传输计划，以及估计生成器训练所需的∇W2²。势函数数值接近并不意味着梯度接近，即存在gradient deviation；批量离散化、正则化和内层近似还会造成系统偏差。
核心创新
第一，利用ICNN和Brenier定理生成真值连续基准。第二，用凸势的平均组合制造多模态高维分布。第三，将高斯混合物扩展到CelebA64图像。第四，联合L2-UVP与cos直接测地图和梯度，并把直接OT准确率与生成任务分离比较。
方法详解
- �� 定义W2²(P,Q)=minπ∫||x−y||²dπ，并利用T*=∇ψ。
- �� 从随机3分量高斯混合物P及10分量Q1、Q2出发，用tW2s拟合ICNN势ψ1、ψ2。
- �� 以(1/2)(∇ψ1+∇ψ2)#P生成基准Q，维度取2、4、8、16、32、64、128、256。
- �� CelebA中用WGAN-QC检查点生成Early、Mid、Late分布，再以ConvICNN64构造连续图像基准。
- �� 比较tLS、tMM、tMM-B、tQCs、tMMv1、tMMv2、tW2s及identity、constant、linear基线。
- �� 用214个P样本计算UVP和cos，并在128维潜变量的CelebA生成器上测试下游效果。
实验设计
高维实验使用随机高斯混合物，图像实验使用对齐的CelebA64人脸。常数映射UVP固定为100%，线性基线是高斯化后的闭式OT映射。网络采用DenseICNN、ConvICNN64、ResNet和U-Net。实验在4块GTX 1080Ti上完成，总计算量约100 GPU小时。
结果分析
D=2时多数方法都接近真值，但维度升高后差异显著。D=256时tW2s为2.7% UVP、1.00 cos；tMM-B为22.5%、0.93；tLS为54.7%、0.81；tQCs为88.2%、0.66；identity甚至为153% UVP。CelebA上tMM-B与tQCs几乎失效，而tW2s、tMM及反向tMM均能恢复视觉合理地图。
应用场景
基准可用于筛选W2求解器、验证图像风格迁移和域适配中的传输地图，也可检查WGAN中判别器提供的生成梯度。实际应用前应先在匹配维度和数据模态上报告UVP、cos、训练稳定性及FID，而不能只报告最终图像指标。
局限与展望
基准中的部分ψ由tW2s近似得到，可能偏向ICNN；图像分布还加入小高斯噪声以保证绝对连续。实验集中于对偶连续方法，未覆盖所有原始求解器。maximin方法可能因超参数而发散，tMMv1内层凸优化昂贵；因此结果更适合揭示结构性问题，而非给出所有方法的最终排名。
通俗解读 非专业人士也能看懂
把OT想成搬家公司：P是旧仓库里的货物，Q是新仓库需要的货物，最优方案不仅要把货送到，还要让总搬运距离最短。许多神经网络求解器像经验丰富但未经考试的搬运团队，它们可能让新仓库看起来差不多，却没有按真正最省路的路线搬运。
作者先设计一个“标准答案仓库”。他们用ICNN生成一张已知的搬运地图：只要把旧货物按这张地图移动，得到的新仓库就一定对应最优路线。于是可以逐件比较算法给出的路线，而不是只看最终仓库像不像。实验发现，在小仓库里大家都不错；仓库变成高维图像后，部分团队严重偏离。更令人意外的是，路线最准确的团队不一定让后续自动生产系统表现最好，因为生产系统需要的是正确的调整方向，而不只是完整路线。这说明评估搬运算法时，必须同时检查路线、方向和最终任务。
简单解释 像给14岁少年讲一样
把生成图片想成从“模糊脸”升级成“清晰脸”。OT求解器负责告诉生成器：每张脸里的像素和特征应该怎样移动。问题是，生成器可能收到一个看似合理、实际上方向错误的提示。
作者先用ICNN制造一套答案公开的挑战关卡。数学保证了这套地图确实是最短搬运方案，所以可以公平测试算法。测试对象包括tW2s、tMM、tQCs和tMM-B，还包括CelebA64人脸图片。
结果很有戏剧性：在256维测试中，tW2s误差2.7%，tQCs误差88.2%；后者甚至不如一些简单方法。可是，最准确的路线也不总能制造最漂亮的图片。为什么？训练时真正用的是路线对应的“改变方向”，方向估计和路线本身不是同一道题。
这就像打篮球：知道球从哪里到哪里，不等于知道下一步该向哪儿用力。论文给出的教训是，不能只看最终图片或一个距离数字。想判断机器人是否聪明，要同时检查它走的路线、给出的方向，以及最后任务的成绩！
术语表
Optimal Transport（最优传输）
在满足起点和终点分布的条件下，寻找总代价最小的质量搬运方案。论文使用二次欧氏距离作为代价。
用于定义W2²、传输地图和生成训练梯度。
Wasserstein-2 distance（W2距离）
基于平方距离成本的概率分布几何距离，记为W2²(P,Q)。它同时可由传输计划的原始形式和势函数的对偶形式定义。
论文的主要评测对象。
ICNN（输入凸神经网络）
对输入保持凸性的神经网络，可表示凸势函数ψ。其梯度天然满足Brenier型最优传输结构。
用于构造真值基准及tW2s、tMMv2等求解器。
Brenier map（Brenier映射）
当起点分布绝对连续且代价为平方距离时，最优地图可写成某个凸函数的梯度∇ψ。
保证基准地图具有解析可知的真值。
L2-UVP
以目标分布方差归一化的地图均方误差百分比；接近0表示准确，达到或超过100通常表示很差。
论文的直接地图质量指标。
Gradient deviation（梯度偏离）
势函数数值误差较小，但其梯度误差可能很大。原因是优化目标未直接约束导数。
解释部分求解器OT估计尚可、地图却不准的现象。
开放问题 这项研究留下的未解疑问
- 1 如何构造不依赖任何候选求解器、同时覆盖真实图像流形的连续W2真值基准，仍未完全解决。
- 2 地图准确率、梯度余弦相似度与FID之间为何缺乏稳定相关性，需要更系统的理论分析。
- 3 maximin训练发散与批量偏差能否通过自适应优化和无偏估计统一修正，尚待研究。
应用场景
近期应用
W2求解器验收
研究团队可直接使用高斯混合物和CelebA64基准，在部署前报告L2-UVP、cos及收敛行为，识别高维偏差，而不是仅凭GAN的FID判断OT模块。
图像迁移与域适配
在风格迁移或跨域映射中，可用ICNN型地图检查质量守恒和方向一致性；前提是输入分布具有足够样本且训练成本允许多轮基准测试。
远期愿景
可审计的生成系统
未来生成模型可把OT地图、训练梯度和下游质量作为三层审计指标，形成可复现的分布匹配标准，减少黑箱式性能宣称。
原文摘要
Despite the recent popularity of neural network-based solvers for optimal transport (OT), there is no standard quantitative way to evaluate their performance. In this paper, we address this issue for quadratic-cost transport -- specifically, computation of the Wasserstein-2 distance, a commonly-used formulation of optimal transport in machine learning. To overcome the challenge of computing ground truth transport maps between continuous measures needed to assess these solvers, we use input-convex neural networks (ICNN) to construct pairs of measures whose ground truth OT maps can be obtained analytically. This strategy yields pairs of continuous benchmark measures in high-dimensional spaces such as spaces of images. We thoroughly evaluate existing optimal transport solvers using these benchmark measures. Even though these solvers perform well in downstream tasks, many do not faithfully recover optimal transport maps. To investigate the cause of this discrepancy, we further test the solvers in a setting of image generation. Our study reveals crucial limitations of existing solvers and shows that increased OT accuracy does not necessarily correlate to better results downstream.