ICLRFeb, 2022
学习弱监督对比表示
Learning Weakly-Supervised Contrastive Representations
Yao-Hung Hubert Tsai, Tianqin Li, Weixin Liu, Peiyuan Liao, Ruslan Salakhutdinov...
TL;DR本文提出了一种二阶段的弱监督对比学习方法,第一阶段根据辅助信息对数据进行聚类,第二阶段在同一簇中学习相似的表征和不同簇的数据的不相似的表征。通过实验表明,与传统的自监督表示相比,辅助信息注入表示使性能更接近于监督表示。同时,本方法在与其他基线表示学习方法进行比较时表现最佳,并且其也适用于无监督构建簇,展示了强大的无监督表示学习方法。