Fourier Self-Supervision

新的傅里叶自监督学习方法增强了细粒度类别发现能力

研究人员推出了一种名为傅里叶自监督学习的新方法，旨在通过增强模型区分细粒度视觉差异的能力来改进广义类别发现。该方法采用双频滤波策略，使用低通滤波器处理广泛属性，使用高通滤波器处理详细纹理。通过在更丰富的特征空间中结合这些重叠的表示，该方法旨在更准确地识别已知和新颖的类别，即使总类别数量未知。在各种细粒度数据集上的实验表明，该技术优于当前最先进的方法。