该文介绍了一种基于自监督学习的表示优化技术，可以改进细粒度分类和分割任务的性能。该技术利用部分特异变化来改进 fine-grained 分类，并在卷积和视觉变换网络中聚类像素表示。通过部分中心化学习和对比，在图像中对部分进行聚类，提高了图像分类和部分分割任务的性能。该技术在多个数据集上展示了良好的性能。