arXiv 2026年10月1日该工作针对部分最优传输（POT）中稀疏传输方案的需求，提出一种基于惩罚重表述的优化框架，使二次、弹性网等光滑强凸正则化子可用于POT，并在此框架上设计出在光滑更新与简单投影步骤之间交替的加速一阶算法；在颜色迁移、域适应和点云配准的经验基准上，该方法相较既有基线一致地取得更低传输代价、更高稀疏度和更快收敛。该工作针对部分最优传输（POT）中稀疏传输方案的需求，提出一种基于惩罚重表述的优化框架，使二次、弹性网等光滑强凸正则化子可用于POT，并在此框架上设计出在光滑更新与简单投影步骤之间交替的加速一阶算法；在颜色迁移、域适应和点云配准的经验基准上，该方法相较既有基线一致地取得更低传输代价、更高稀疏度和更快收敛。新优化框架用惩罚重表述把光滑强凸正则引入部分最优传输，并在颜色迁移、域适应与点云配准上取得更低传输代价、更高稀疏度与更快收敛该工作针对部分最优传输（POT）中稀疏传输方案的需求，提出一种基于惩罚重表述的优化框架，使二次、弹性网等光滑强凸正则化子可用于POT，并在此框架上设计出在光滑更新与简单投影步骤之间交替的加速一阶算法；在颜色迁移、域适应和点云配准的经验基准上，该方法相较既有基线一致地取得更低传输代价、更高稀疏度和更快收敛。该工作针对部分最优传输（POT）中稀疏传输方案的需求，提出一种基于惩罚重表述的优化框架，使二次、弹性网等光滑强凸正则化子可用于POT，并在此框架上设计出在光滑更新与简单投影步骤之间交替的加速一阶算法；在颜色迁移、域适应和点云配准的经验基准上，该方法相较既有基线一致地取得更低传输代价、更高稀疏度和更快收敛。