在基础模型时代重新审视半监督学习

本研究针对半监督学习（SSL）在视觉基础模型（VFM）中的应用不足，提出新的基准数据集并系统评估多种SSL方法。关键发现是，仅用标记数据的参数高效微调（PEFT）方法能与SSL性能相匹配，此结果促使我们改进自训练方法，通过多种PEFT模型的集成，生成更稳健的伪标签，提供了SSL与VFM结合的新见解。