Jul, 2023
自我监督的表示学习方法能否经受分布变化和损坏?
Can Self-Supervised Representation Learning Methods Withstand Distribution Shifts and Corruptions?
Prakash Chandra Chhipa, Johan Rodahl Holmgren, Kanjar De, Rajkumar Saini, Marcus Liwicki
TL;DR自监督学习在计算机视觉中的鲁棒性研究调查了分布变化和图像损坏对学习表示的影响,发现较高级别的变化和损坏显著降低了学习表示的鲁棒性。研究强调了鲁棒性对自监督学习方法的性能和应用的关键影响,并强调了需要寻找有效策略以减轻其不利影响的重要性。