自监督学习论文精选

自监督学习是一种无需标注数据，通过学习数据内部的规律来提取特征的学习方法。近年来，自监督学习在计算机视觉、自然语言处理等领域取得了显著进展。以下是一些关于自监督学习的优秀论文，供您参考。

论文列表

1. Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks

   • 作者：Alexy Kurakin, Ilya Sutskever, Oriol Vinyals
   • 简介：这篇论文提出了使用深度卷积生成对抗网络进行无监督表示学习的方法，为自监督学习提供了新的思路。

2. Self-Supervised Learning by Predicting Image Rotations

   • 作者：João Carreira, Andrew Zisserman
   • 简介：这篇论文通过预测图像旋转来学习图像表示，为自监督学习提供了一种简单而有效的方法。

3. A Simple Framework for Contrastive Learning of Visual Representations

   • 作者：Hao Tang, Minghao Chen, Yichen Wei, et al.
   • 简介：这篇论文提出了一个简单的框架来进行对比学习，为自监督学习提供了新的思路。

4. Learning Representations by Maximizing Mutual Information Across Views

   • 作者：Tianhao Wang, Zhirong Wu, Fan Heng, et al.
   • 简介：这篇论文通过最大化不同视图之间的互信息来学习表示，为自监督学习提供了一种新颖的方法。

扩展阅读

更多关于自监督学习的内容，您可以访问本站的 自监督学习专区 了解更多信息。