本文介绍了一种名为PART的自监督学习方法，旨在通过连续相对变换克服传统网格结构在物体组成学习中的局限性。PART能够适应部分可见性和风格变化，在物体检测和时间序列预测等任务中表现优于基于网格的方法，具有在医学成像、视频和音频等领域的潜力。