Self-Supervised Learning
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 2
- 평가표
- 10
- 보존된 평가 기록
- 18
Self-Supervised Learning is proposed for utilizing unlabeled data with the success of supervised learning. Producing a dataset with good labels is expensive, while unlabeled data is being generated all the time. The motivation of Self-Supervised Learning is to make use of the large amount of unlabeled data. The main idea of Self-Supervised Learning is to generate the labels from unlabeled data, according to the structure or characteristics of the data itself, and then train on this unsupervised data in a supervised manner. Self-Supervised Learning is wildly used in representation learning to make a model learn the latent features of the data. This technique is often employed in computer vision, video processing and robot control.
Source: Self-supervised Point Set Local Descriptors for Point Cloud Registration
Image source: LeCun
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
MAGIC: 비지도 스테레오 매칭을 위한 가시성 비대칭 기반 학습
PrismSSL: 하나의 인터페이스, 다양한 모달리티; 멀티모달 자기지도학습을 위한 단일 인터페이스 라이브러리
WaveScat: 음성 딥페이크 탐지를 위한 웨이블릿 산란 프론트엔드 및 자기지도학습 특징
다수준 불완전 다중 모달 EHR 기반 원내 사망률 예측을 위한 임상 포인트 클라우드 패러다임
종단적 의료 영상을 위한 확률적 샴 MAE 사전학습
REPA-G: 표현 정렬된 시각 특징을 활용한 테스트 시점 조건화
[b] = [d] - [t] + [p]: 자기지도 음성 모델은 음운론적 벡터 연산을 발견한다
부차언어 음성 태스크에서의 교차 언어 전이 정량화
잔차 잠재 행동을 통한 시각적 특징 기반 월드 모델 학습
FHRFormer: 태아 심박수 시계열 인페인팅 및 예측을 위한 자기지도 마스크드 트랜스포머 프레임워크
수술 도구-조직 상호작용 인식을 위한 잠재 행동 유도 비디오-언어 특징 학습
JEPA 월드 모델을 활용한 계획 수립에서 표현 기하학의 중요성
RIPE++: 포지티브 쌍만 활용한 강화학습 기반 특징점 학습
CSWAM: 월드 액션 모델에서의 분포 외 일반화를 위한 더 나은 인과적 의미 표현
월드 모델을 위한 적응형 잠재 용량
EEGDM: 잠재 확산 모델을 활용한 EEG 표현 학습
지문 인식을 위한 하이브리드 양자-고전 자기지도학습의 너비 일치 비교
구동 대 감쇠: 결합 임베딩 예측 아키텍처의 학습 역학에 대하여
IGNITE 토카막 월드 모델 아키텍처
잠재 구조 학습: 그래프 데이터 증강을 위한 특징 중심 접근법
이산 확산을 통한 제어 가능한 억양 정규화
NARA: 이종 벡터 지리개체를 위한 앵커 조건부 표현 학습
ASH: 긴 호흡의 세계에서 스스로 연마하는 에이전트
과학 분야를 위한 터미널 환경의 자기지도 스케일링
HERO: 종양학 분야의 강건한 표현 학습을 위한 조직병리학 인코더
ViTok: PHI-S 및 마스크드 이미지 모델링을 활용한 AM-RADIO 스타일 다중 교사 지식 증류에서의 조밀한 의미론 개선
효율적인 해양 환경 모니터링을 위한 위성 탑재 이상 탐지
비전 트랜스포머에서 레지스터 및 고노름 패치 토큰의 기능적 역할 규명
적은 디코더가 더 나은 인코더를 만든다: 신규 시점 합성으로부터 기하학적 표현 학습
연속 시간 fMRI 표현 학습을 위한 확률적 최적 제어
비디오, 오디오 및 그 이상을 위한 구조화된 노이즈 마스킹 모델링
FairSSL: 공정한 멀티모달 자기지도학습
JEPA-Bisim: 결합 임베딩 예측 월드 모델을 활용한 플래닝용 강건한 시각적 표현 학습
GenGait: 인간 보행 이상 탐지 및 규범적 트윈 생성을 위한 트랜스포머 기반 모델
Video-STLayout 사전학습
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.