【UC伯克利】自监督视觉表示学习，356页ppt，Self-Supervised Visual Learning

通过使用用大规模标记数据训练的深度学习模型，计算机视觉取得了令人印象深刻的进展。然而，标签需要专业知识和管理，而且收集起来很贵。如果不使用显式管理的标签，人们能发现有用的视觉表示吗?在这次演讲中，我将介绍几个探索自我监督学习范式的案例研究——将原始数据作为自己的监督。我们将讨论在高维空间中定义目标函数的几种方法，包括使用一般对抗网络(GANs)直接从数据中学习目标函数。将展示图像合成中的应用，包括自动着色、成对和非成对图像到图像的转换(aka pix2pix和cycleGAN)、基于好奇心的探索