RePercENT

RePercENT 框架实现了可扩展的解耦表示学习

研究人员推出 RePercENT，这是一个自监督框架，旨在实现跨越两种以上模态的解耦表示学习。现有方法由于可扩展性问题而仅限于两种模态，但 RePercENT 利用即插即用架构，该架构基于预提取的嵌入。这种方法避免了广泛的联合预训练，并允许共享和唯一组件的同时优化，并具有最优性的理论保证。实验表明，RePercENT 在保持竞争性性能和降低计算复杂性的同时，成功恢复了解耦的组件。