自监督学习在射电天文学源分类中的应用：一个基准研究

本研究解决了传统视觉模型在处理射电干涉图像时的性能不足的问题，提出了利用自监督学习（SSL）来提取射电图像的特征的新方法。研究结果表明，经过自监督学习训练的模型在多个下游任务中显著优于基线模型，尤其是在进行线性评估时，展示了自监督学习在射电天文学数据分析中的重要潜力。