Semantic-guided data augmentation for self-supervised visual pattern learning: Leveraging foundation model priors

2026-09-05

0

PRE

AI

DOI：10.1016/j.patcog.2026.114822

原文求助

摘要

En 中文

• 利用基础模型作为预言机缓解SSL增强的三难困境。 • 自适应机制根据图像质量选择引导粒度。 • SDI在ImageNet-1k上达到72.35%，比标准增强高出2.44%。 • 表示方法适用于医学成像、ViT和密集预测任务。 • 比生成方法快5-6倍；仅含对象的分支内存需求减少4.8倍。

Keyword:

Self-supervised learning

Data augmentation

Contrastive learning

Pattern recognition

Foundation models

Semantic guidance

Feature learning