11:58
官方账号arXiv cs.LG@Jakob Geusen, Ender Konukoglu
推荐理由：这篇论文用SAM掩码改进了LeJEPA，让自监督学习在数据少时更管用。跟踪、分类、分割结果都比原版强，适合想提升视觉特征效率的同学看。
COCO
共 1 条相关 AI 资讯
7月3日
11:58
LeJEPA图像编码器需大型数据集，对象级对齐更高效但存在不稳定循环依赖。作者使用低成本SAM提案提供对象掩码，扩展LeJEPA从整图对齐到可变大小对象集。额外实例分离损失将同场景其他对象作为负样本，提升下游性能。在两个模型规模和10-100% COCO数据下，对象级LeJEPA在DAVIS跟踪、ImageNet-1k分类、ADE20k分割和NAVI重识别上均优于图像级LeJEPA。