法国最优传输(OT)学术圈关系图
最近在翻法国那帮最优传输(Optimal Transport)的人,发现这个圈子虽然不大但盘根错节,几个实验室之间的人互相当审稿人、合作者、师生,论文发得跟串珠似的。整理一下关系图,方便以后查人时有个地图。
三个核心派系
法国在当代计算OT领域的地位,基本上等于美国在深度学习领域的地位。Villani(菲尔兹奖得主)铺了理论底子,然后几个应用数学/ML帮派把它变成了机器学习的标准工具。
1. INRIA Sophia Antipolis — POT原教旨派
源头:Rémi Flamary + Nicolas Courty,POT(Python Optimal Transport)库的两位创始人。
核心成员:
| 人名 | 现在位置 | 关键词 |
|---|---|---|
| Rémi Flamary | Polytechnique | POT主创、域适应、GW/srGW |
| Nicolas Courty | IRISA Vannes | POT主创、域适应 |
| Titouan Vayer | INRIA Lyon | GW/FGW理论奠基人 |
| Cédric Vincent-Cuaz | EPFL(博后) | srGW、图OT、数字病理 |
| Laetitia Chapel | INRIA | 非平衡OT |
| Marco Corneli | Université Côte d’Azur | 图OT、SBM |
| Charles Bouveyron | Université Côte d’Azur | SBM + OT |
PhD传承(Flamary-Courty线):
Flamary / Courty
├── Titouan Vayer (PhD) → GW/FGW理论 → INRIA Lyon
├── Cédric Vincent-Cuaz (PhD 2023) → srGW → EPFL
├── Hugues Van Assel (PhD) → GW统一聚类降维 → Broad Institute
├── Laetitia Chapel → 非平衡OT
└── Nathan Cassereau / Théo Gnassounou 等 → 在读
代表作:POT库(JMLR 2021, 4000+引用)、srGW divergence(ICLR 2022)、Online Graph Dictionary Learning(ICML 2022 Spotlight)。
2. ENSAE Paris / Apple Paris — Sinkhorn实用派
源头:Marco Cuturi,Sinkhorn算法之父。2013年把Sinkhorn-Knopp算法引入OT,把计算复杂度从 $O(n^3 \log n)$ 降到 $O(n^2)$,直接让OT能在ML里用。
| 人名 | 位置 | 关键词 |
|---|---|---|
| Marco Cuturi | Apple Paris / ENSAE | Sinkhorn距离、OT for ML,339页OT教程 |
| Meyer Scetbon | Apple | 正则化OT、双循环Sinkhorn |
| Boris Muzellec | Apple / INRIA | OT处理缺失数据 |
| Kilian Fatras | Apple | 随机OT |
| Vivien Seguy | INRIA | 切片Wasserstein |
| Oleksii Kachaiev | — | POT贡献者 |
代表作:Sinkhorn Distances(NIPS 2013)、Scalable OT。
3. ENS Paris / CNRS — 理论几何派
源头:Gabriel Peyré(CNRS研究总监),与Cuturi合著了领域圣经《Computational Optimal Transport》。
| 人名 | 位置 | 关键词 |
|---|---|---|
| Gabriel Peyré | CNRS / ENS | Computational OT作者、Sinkhorn散度 |
| Jean Feydy | ENS / INRIA | geomloss库创建者、多尺度快速Sinkhorn |
| Julie Delon | Université Paris Cité (MAP5) | OT for 图像处理 |
| François-Xavier Vialard | Université Paris Cité | OT微分同胚配准 |
| Thibault Séjourné | ENS | Sinkhorn散度理论 |
Peyré的PhD传承:
Gabriel Peyré
├── Jean Feydy (PhD) → geomloss → INRIA
├── Thibault Séjourné → Sinkhorn散度
└── Kimia Nadjahi → 切片OT
代表作:geomloss库、Interpolating OT(Feydy et al., NeurIPS 2019)。
跨派系的交联节点
以下这些人横跨多个实验室,是圈子里的”粘合剂”:
| 人名 | 横跨 | 角色 |
|---|---|---|
| Alexandre Gramfort | INRIA → Meta | POT核心贡献、OT for MEG/EEG |
| Alexander Tong | INRIA → Mila | OT-CFM流匹配、单细胞 |
| Clément Bonet | INRIA | OT for 图+组合优化 |
| Antoine Collas | INRIA | OT for 信号处理 |
| Sonia Mazelet | INRIA | OT传输计划无监督学习 |
OT for 计算机图形学(Lyon线)
| 人名 | 位置 | 关键词 |
|---|---|---|
| Nicolas Bonneel | CNRS / Lyon 1 | OT for 图形学、survey |
| David Coeurjolly | CNRS / Lyon 1 | OT for 几何处理 |
基础设施项目
| 项目 | 创造者 | 地位 |
|---|---|---|
| POT库 | Flamary, Courty et al. | OT求解器标准库(JMLR 2021) |
| geomloss | Feydy | 快速多尺度Sinkhorn(PyTorch) |
| OTT-JAX | Cuturi组(Google) | JAX版OT,可微分 |
POT库的22人贡献者名单基本就是法国OT圈的骨干名单(引用格式中的作者顺序):Flamary, Vincent-Cuaz, Courty, Gramfort, Kachaiev, Quang Tran, David, Bonet, Cassereau, Gnassounou, Tanguy, Delon, Collas, Mazelet, Chapel, Kerdoncuff, Yu, Feickert, Krzakala, Liu, Fernandes Montesuma。
圈子总图
Cédric Villani (理论奠基)
│
┌─────────────────────┼─────────────────────┐
│ │ │
Peyré (ENS/CNRS) Cuturi (Apple/ENSAE) Flamary/Courty (INRIA)
理论+几何 Sinkhorn实用 POT工程+应用
│ │ │
├─ Feydy (geomloss) ├─ Scetbon ├─ Vayer (GW理论)
├─ Delon (图像OT) ├─ Muzellec ├─ Vincent-Cuaz (srGW)
├─ Séjourné (散度) ├─ Fatras ├─ Van Assel (GW+SSL)
└─ Nadjahi (切片) └─ Seguy └─ Corneli (SBM+OT)
三个圈子在NeurIPS/ICLR/ICML上常有合体发文,POT库是联合工程纽带。Cuturi和Peyré合写了那本OT圣经,Flamary/Courty的POT库用到几乎所有法国OT工作的实验里。
出海的人
| 人名 | 法国出处 | 现去向 | 方向 |
|---|---|---|---|
| Hugues Van Assel | INRIA Sophia | Broad Institute / Genentech | SSL + OT + 生信 |
| Alexander Tong | INRIA Paris | Mila(博后) | OT-CFM、单细胞 |
| Cédric Vincent-Cuaz | INRIA Sophia | EPFL(博后) | srGW、图OT、病理 |
| Boris Muzellec | INRIA / Apple | Apple Paris | 缺失数据OT |
一个旁注:Distributional Reduction 已被 TMLR 接收
更新(2026-07-04):Distributional Reduction: Unifying Dimensionality Reduction and Clustering with Gromov-Wasserstein(arXiv:2402.02239)在 OpenReview 上标注为 Accepted by TMLR(Transactions on Machine Learning Research),2025年6月27日公开。v3 就是最终的 TMLR 出版版本,45页20张图。
它的NSW短版(Interpolating between Clustering and Dimensionality Reduction with GW, arXiv:2310.03398)则是NeurIPS 2023 Workshop论文。