Scikit learn t-SNE使用土方机距离度量

我试图用t-SNE和wasserrain距离来代替欧几里得距离。以下是我的部分代码：

from sklearn.manifold import TSNE
from scipy.stats import wasserstein_distance

tsne = TSNE(n_components=2,perplexity=40, n_iter=1000, metric=wasserstein_distance)
img_embedded = tsne.fit_transform(images)

图像

包含512个64x64x3的图像。有人能告诉我我的代码是否真的符合我的要求吗？我不确定该距离是否正确。代码运行得很好，但是当我查看2D空间时，它看起来很糟糕。如果我使用欧几里德度量，2D图像相当好，因此我不确定Wasserstrain距离是否根本不适合我的问题，或者我是否以错误的方式实现它。谢谢大家!

编辑：图像是固定大小的对象，在固定背景上移动。理想情况下，假设每个图像的所有内容都是相同的，除了对象的位置，我希望2D表示将显示对象的轨迹，即每个图像中对象的x和y（或至少是它们的某种可逆变换）。下面我附上了使用欧几里德距离（第一个）和瓦瑟斯坦距离（第二个）获得的图像。正如您所看到的，在第一种情况下，轨迹非常清晰（例如，直线大部分在它们应该相交的地方相交，因此拓扑结构大部分保持不变）。第二种情况完全是一团糟

---

您试图解决的问题是什么？还请添加生成的2D图像，并简要描述它们的优缺点。最后，如果您可以在示例代码中生成一些玩具数据以使其可复制，那将是非常棒的。