Nieuws

Sliced-Wasserstein-afstand vervangt L2 voor betere vergelijking van audiofingerprints

Een blog op Towards AI legt uit waarom L2-afstand ongeschikt is voor het vergelijken van audiofingerprints die als energiedistributie zijn gerepresenteerd. De auteur introduceert de Sliced-Wasserstein distance, die de minimale hoeveelheid werk meet om de ene distributie in de andere te transformeren. Deze methode is sneller dan exacte Wasserstein en geeft betere resultaten voor structuurvergelijking.