本文提出了一种基于自监督训练的方法，通过利用所有训练数据的信息，为每个样本提取有意义且可泛化的嵌入空间，从而去除 out-of-distribution 样本，并使用迭代的 Manifold DivideMix 算法找到干净和有噪音的样本，以半监督的方式训练模型。此外，还提出了一种名为 MixEMatch 的半监督算法，通过在输入和流形空间进行插值提取更好的表示。实验证明了该框架的有效性。