Ongesuperviseerde uitlijning van latente ruimtes via hypersferische geodetische matching

arXiv:2608.28840v1 Aankondigingstype: nieuw Samenvatting: Onafhankelijk getrainde neurale netwerken hebben de neiging dezelfde data te coderen met vergelijkbare latente geometrieën. Deze latente geometrieën zijn niet direct compatibel, maar kunnen vrijwel identiek zijn op een bepaalde klasse van transformaties na. Hoewel er veel methoden bestaan voor het uitlijnen van verschillende latente ruimtes, gebeurt dit doorgaans met behulp van een set gedeelde voorbeeldcorrespondenties, ook wel ankers genoemd. Dit laat een fundamentele vraag open: zijn de geometrische handtekeningen van