研究人员推出了一种新颖的自监督学习正则化技术VISReg，用于计算机视觉领域。该方法通过结合方差保持和基于切片-沃塞尔斯坦（Sliced-Wasserstein）的草图目标来强制执行分布形状，从而提高训练稳定性，解决了VICReg和SIGReg等先前方法的局限性。VISReg表现强劲，在ImageNet-1K上预训练后，在外分布数据集上取得了最先进的成果，并且在ImageNet-22K上，以显著更少的数据匹配了DINOv2的性能。 AI
影响 VISReg的性能提升和数据效率有望加速自监督视觉任务的进展，并降低计算成本。
排序理由 介绍自监督学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →