신경망 기반 최적 수송(OT)은 생성 모델링 분야에서 최근 주목받고 있는 분야이며, 도메인 변환, 영상 초고해상도, 계산 생물학 등 다양한 분야에 응용되고 있습니다. 기존 OT 접근 방식 중에는 OT 문제의 준이중(semi-dual) 공식을 기반으로 하는 적대적 미니맥스 솔버가 큰 관심을 받고 있습니다. 하지만 이러한 방법들은 통계적 학습 관점에서 이론적 연구가 부족합니다. 본 연구는 미니맥스 이차 OT 솔버로 복구된 근사 OT 맵의 일반화 오차에 대한 상한을 설정하여 이러한 간극을 메웁니다. 중요하게도, 본 연구에서 유도한 상한은 고려된 함수 클래스(신경망)의 표준적인 통계적 및 수학적 특성에만 의존합니다. 본 연구는 이차 OT에 중점을 두고 있지만, 일반적인 OT에도 유사한 상한을 유도할 수 있을 것으로 생각하며, 이는 미래 연구를 위한 유망한 방향을 제시합니다.
