🔄 自监督/表示学习

📷 CVPR2025 · 共 3 篇

BoSS: A Best-of-Strategies Selector as an Oracle for Deep Active Learning

提出BoSS——一种可扩展的主动学习oracle策略，通过集成多种选择策略生成候选批次、冻结backbone仅重训最后一层来评估性能增益，选择最优批次；在ImageNet等大规模数据集上首次展示了oracle性能，揭示SOTA主动学习策略仍有显著提升空间。

Representation Learning for Spatiotemporal Physical Systems

系统评估通用自监督方法在时空物理系统上学习物理相关表征的能力，发现在潜空间做预测的 JEPA 显著优于像素级重建的 MAE 和自回归模型，接近专用物理建模方法 DISCO。

Text-Phase Synergy Network with Dual Priors for Unsupervised Cross-Domain Image Retrieval

提出 TPSNet，利用文本-相位双先验解决无监督跨域图像检索：域提示（text prior）提供比伪标签更精确的语义监督，相位特征（phase prior）实现保持语义的域不变对齐，两者通过交叉注意力协同融合。