arXiv · 机器人与计算机视觉· Maximilian Seitzer, Gabriele Trivigno, Anton\'in Vobeck\'y, Seungeun Yi, Maxime Oquab, Huy V. Vo, Oriane Sim\'eoni, Piotr Bojanowski·· 2026-10-08精选AI 评分78
Scalable Patch-Level Self-Supervised Learning:JEM 算法发布
Scalable Patch-Level Self-Supervised Learning
AI 导读
论文提出了名为 JEM 的学生 - 教师自监督学习算法,该方法基于多视图假设构建信息论目标函数,通过跨视图对齐补丁表示并显式正则化以保留信息和结构。实验表明,JEM 在 300M 至 7B 参数规模下均能稳定训练,且在分割基准测试中超越 DINOv2;特别是在 7B 参数规模下,无需微调阶段且仅使用 DINOv3 1/12 的数据量,其泛optic分割性能即超过 DINOv3。
推荐理由
提出基于多视图假设的 JEM 算法,在 7B 参数规模下实现稳定训练且无需微调即可超越 DINOv3。
来源:arXiv · 机器人与计算机视觉 · arxiv.org