- 视频自监督学习综述
本篇综述论文讨论了自监督学习在视频领域的应用，主要归纳了四种不同的自监督学习方法，分别为预测任务、生成式学习、对比学习和跨模态协议，并讨论了现有方法的局限性和未来发展方向。
- ICML自主学习图表示学习的全粒度自我语义传播
本文提出了一种名为 OEPG 的方法，可以用于图表示学习。该方法可以将全局的语义嵌入到本地图卷积中，实现本地图卷积与全局信息的相互适应，并可以通过预处理任务和动量更新来提高性能
- ICLR掩模图像建模与去噪对比
本文提出了一种简单的自监督预训练框架 ConMIM，使用对比学习的方法在图像补丁级别上进行去噪自编码，通过不同的异构设计来提高网络的预训练性能，从而在多个视觉任务上实现了竞争性结果，如 ImageNet 分类，语义分割，目标检测和实例分割等 - ECCV利用自监督预设任务进行主动学习的 PT4AL
本文提出一种创新的主动学习方法，利用自监督的预训练任务和独特的数据采样器，通过选择具有难度和代表性的数据来解决数据标注代价高的问题，并在各种图像分类和分割基准上取得了令人信服的性能。
- 边界感知的自监督学习用于视频场景分割
本文提出了一种基于无监督自学习框架的视频场景分割算法，采用三种新颖的边界感知预训练任务 (SSM, CGM, PP)，重点在于设计有效的预训练任务，通过广泛的实验结果表明，预训练和转移环境表示对于改善视频场景分割性能至关重要，并实现了 Mo - IJCAI基于学习语义先验的上下文感知图像修复
本文提出了一种基于预训练任务和语义先验的图像修复方法，通过预处理任务学习语义先验并将其适应于图像修复，提出了一种上下文感知的图像修复模型，全面融合全局语义和局部特征，实现了对 Places2，CelebA 和 Paris StreetVie - ICLR自动化自监督图学习
Graph self-supervised learning can be improved by leveraging multiple pretext tasks through the AutoSSL framework, which - CVPR通过上下文和运动解耦实现自监督视频表示学习
本文提出了一种自监督学习的方法，通过在压缩视频中提取关键帧和动态向量来分别监督上下文和动态信息，并同时设计了两种预设任务，即上下文匹配任务和动态预测任务，以提高视频表示的质量和行动识别准确性。
- 图像自监督学习：综述
本文综述了基于自监督学习技术在图数据中的应用，提出了一个统一的数学框架，并将这些方法根据预文本任务的目标分为四类，并描述了在各个研究领域中的应用及所采用的数据集，评估基准，性能比较和开源图形 SSL 代码。
- 预测已知信息有助于自证自学
这篇论文提出了一种基于自监督学习的特征学习方法，通过预测无标签数据的辅助任务来学习有用的语义表示，并使用线性层来对学习的表示进行下游任务预测，从而显著降低了样本复杂度。
- 自监督学习预设不变表示
本研究证明了在无监督环境下，通过使用基于 PIRL 的预处理任务可以显著改善图像语义维度的质量，且该方法可以用于提取具有良好不变性质的图像信息（如对象检测）中。
- AAAI通过自监督特征学习重新审视图像美学评估
本文通过自监督特征学习的视角重新探讨了图像审美评估问题，并针对编辑操作设计了两个新颖的预训练任务，实现了从图像中提取审美感知特征。在三个基准数据集上进行的实验表明，该方法能够有效地提取特征并且超越了其他预训练模式，并达到了使用 ImageN - 自监督视觉表示学习再探讨
该论文探讨了自我监督方法在无监督视觉表示学习中的重要性，提出之前 CNN 设计的标准配方不一定适用于自我监督表示学习， 并大幅度提高了之前提出技术的性能，超越了之前公布的最先进结果。