PAPER POSITIONING & LINEAGE论文定位与演进坐标
WHY THIS PAPER EXISTS研究动机 / 前序局限
早期图像特征学习高度依赖昂贵的人工类别标注数据集(如 ImageNet),限制了海量无标注视觉场景表征的扩展上限。
CORE SHIFT核心方法跃迁
以随机裁剪/色彩畸变构造正样本对,配合大批量负样本与 MLP 投影头上的 NT-Xent 对比损失,实现高质量自监督表示。
ARCHIVE PROVENANCEZotero / PKA 溯源
Zotero 已归档(arXiv:2002.05709),作为无监督对比表征里程碑保留笔记接口。
WHAT REMAINED遗留局限 / 开放问题
极端依赖大 batch size 供给负样本且空间细粒度定位特征较弱,促成了 DETR 与非负样本自蒸馏架构的发展。
来源与归档记录
- 档案来源:
Zotero / Visual Representation & VLM - 文献定位:Zotero 已归档(arXiv:2002.05709),作为无监督对比表征里程碑保留笔记接口。
个人精读正文(预留)
本页先展示题录定位、知识图谱上下游与本地文献归档状态;完整分节推演与复现实验记录预留于此,后续补充正文内容。
CONNECTED IN KNOWLEDGE SYSTEM知识体系关联节点与长文
ATLAS · L2 · A04Computer Vision & Spatial Understanding计算机视觉与空间理解ATLAS · L2 · A02Deep Learning & Neural Architectures深度学习与网络架构TECHNICAL NOTENeural Networks Are Already CleanTECHNICAL NOTEThinking About a Bias for Better Semantic Coherence and ReuseTECHNICAL NOTEConstructive Self-Supervised Learning (Part 1): Designing Generalisable Deep Self-Supervision