Train to Stitch：面向可互操作表征的拓扑保持正则化

研究提出 Train to Stitch，用拓扑正则化对齐两个独立训练的自编码器模型的隐空间，训练全程无需任何协调。作者给出条件性理论分析，说明该正则化促成的结构一致性可转化为独立学习表征间的近似几何兼容。重建实验在多个数据集上验证了该方法，显著缩小了互操作性差距。