BRIDGE：无标签识别并生成欠代表数据

Filipe Laitenberger 等作者提出 BRIDGE，一种无需标签的反馈闭环方法，用于平衡自监督学习中的表征。其做法是用当前编码器按平均 kNN 距离为源图像打分，在支撑稀疏的分数带内按预算挑选锚点图像，再由冻结的图像到图像扩散模型生成局部变体，扩充源集后继续预训练。 该方法针对的是自监督预训练数据分布不均衡的问题：编码器对稀疏区域的表征较弱，BRIDGE 试图在不使用标签的情况下定位这些欠代表样本并补充生成。作者称其为围绕源集的无标签反馈循环，但报道未给出该方法在具体任务上的效果数据。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。