本研究解决了无对比自监督学习中的问题，如表示、维度和聚类崩溃。提出了一种新型投影器和损失函数设计，提升表示的去相关性和聚类性，增强下游任务的泛化能力。验证表明，方法FALCON在多个图像数据集上表现优于现有方法。

研究发现，添加投影器可以提高知识蒸馏的性能，改善逻辑蒸馏。具有投影器的学生在训练和测试精度之间取得更好的平衡，与老师的相似性更好，并避免了测试阶段老师的过度自信。基于投影器集合的特征蒸馏方法进一步提高了蒸馏性能。实证结果显示该方法在师生对上具有优越的分类性能，并验证了学生特征的质量改进。

本文研究了知识蒸馏中投影器的隐含作用，提出了基于投影器集合的特征蒸馏方法，实验证明该方法在师生对上具有优越的分类性能，并改进了学生特征的质量。