We present a new perspective on the popular Sinkhorn algorithm, showing that it can be seen as a Bregman gradient descent (mirror descent) of a relative entropy (Kullback–Leibler divergence). This viewpoint implies a new sublinear convergence rate with a robust constant.

中文翻译：

---

Sinkhorn的梯度下降观点

我们对流行的Sinkhorn算法提出了一个新的观点，表明它可以看作是相对熵的Bregman梯度下降（镜面下降）（Kullback-Leibler散度）。这种观点暗示了具有鲁棒常数的新的亚线性收敛速率。