超越传统自监督学习，NeCo在语义分割任务中的性能提升 ！

文章预览

前言   作者提出将patch表示按视图排序作为一项新的自监督学习信号来改进预训练表示。 为此，作者引入了NeCo ： Patch邻域一致性，这是一种新型的训练损失，它要求学生在学生模型和教师模型之间实现与参考批有关的patch Level 最近邻一致性。 作者的方法利用在预训练表示上应用的不同可微排序方法，例如DINOv2-registers来提振学习信号并进一步提高它们。 Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上线!! 来源： AIGC先锋科技 仅用于学术分享，若侵权请联系删除 1 Introduction 密集自我监督学习训练特征提取器，以在没有监督的情况下为图像中的每个像素或块产生表示。近年来，该领域取得了显著的进展，主要改善了无监督语义分割 ，以图像为中心的代表学习 ………………………………