BriefGPT - AI 论文速递
·
音频视频领域的对比学习探索
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了Contrast and Mix（CoMix）的新对比学习框架，用于无监督视频领域适应学习。通过时间对比学习和背景混合，弥合领域差距，增加视频领域适应的语义分享。实验证明该方法的优越性。
🎯
关键要点
-
本文介绍了Contrast and Mix（CoMix）的新对比学习框架。
-
CoMix旨在为无监督的视频领域适应学习提供判别不变性的特征表示。
-
该方法通过时间对比学习和背景混合弥合领域差距，增加语义分享。
-
时间对比学习最大化未标记视频在不同速度下的编码表示相似性。
-
背景混合提出了一种用于时间对比性损失的新型扩展。
-
使用目标伪标签集成有监督的对比性学习目标，增强可区分性。
-
在多个基准数据集上进行的实验验证了该方法的优越性。
➡️
