返回
Escaping the big data paradigm in self-supervised representation learning
DOI:10.1016/j.cviu.2026.104698.png)
摘要
En 中文
• SCOTT:与MIM兼容的卷积分词器,通过稀疏架构将CNN偏差注入ViTs。
• MIM-JEPA:基于掩码图像建模的JEPA,用于样本高效视觉表示学习。
• 高效数据ViTs:SCOTT+MIM-JEPA在有限数据条件下优于先前方法。
• 低资源SSL:在适度的计算预算下匹配大型基础SSL模型。
Keyword:
SCOTT
MIM-JEPA
Data-efficient ViTs
Low-resource SSL
Self-supervised representation learning
期刊
IF:
3.5
论文数:
555
被引数:
7.3K
机构
引用论文
Self-supervised learning for medical image classification: a systematic review and implementation guidelines
NPJ DIGITAL MEDICINE
IF15.1

