इस पत्र में, हम विभिन्न फीचर एम्बेडिंग मॉडल की तुलना करने के लिए एक नया फ्रेमवर्क, स्पेक्ट्रल पेयरवाइज एम्बेडिंग कंपैरिजन (SPEC) प्रस्तावित करते हैं। पिछले अध्ययनों के विपरीत जो मुख्य रूप से वर्गीकरण प्रदर्शन के आधार पर संख्यात्मक तुलनाओं पर ध्यान केंद्रित करते हैं, SPEC विश्लेषणात्मक रूप से एम्बेडिंग के बीच अंतर का विश्लेषण करने के लिए एम्बेडिंग स्पेस के भीतर नमूना समूहों के क्लस्टरिंग में असमानता का विश्लेषण करता है। यह दो एम्बेडिंग से प्राप्त कर्नेल मैट्रिसेस का उपयोग करता है और अंतर कर्नेल मैट्रिक्स के आइजेनडेकंपोज़िशन के माध्यम से दो एम्बेडिंग द्वारा अलग-अलग कैप्चर किए गए नमूना क्लस्टर का पता लगाता है। हम एक स्केलेबल कार्यान्वयन प्रस्तुत करते हैं जिसकी कम्प्यूटेशनल जटिलता नमूना आकार के साथ रैखिक रूप से बढ़ती है, और दो एम्बेडिंग को संरेखित करने के लिए एक अनुकूलन समस्या पेश करते हैं ताकि एक एम्बेडिंग में पहचाने गए क्लस्टर दूसरे में भी कैप्चर हो जाएं। हम इमेजनेट और एमएस-कोको जैसे बड़े पैमाने के डेटासेट पर एम्बेडिंग की तुलना और संरेखित करने के लिए SPEC के अनुप्रयोग को प्रदर्शित करने वाले संख्यात्मक परिणाम प्रस्तुत करते हैं।
