进化博弈自监督模型

泛化与判别兼得

在自监督预训练中引入强化学习，遵循进化博弈论指引，使模型泛化性与判别性同步提升。

Li, Jiangmeng · Zehua, Zang · Qirui, Ji · Sun, Chuxiong · Qiang, Wenwen · 张俊格 · 郑昌文 · 孙富春 · Hui, Xiong

International Journal of Computer Vision 2025

技术优势

泛化与判别兼得

利用进化博弈论指导，并结合强化学习，在预训练过程中同时提升泛化性和判别性，克服了现有方法只能侧重其一的局限。

有理论保障

该方法理论上能够收紧自监督学习的泛化误差上界，为性能提供保障。

提供评估基准

提供了一个全面评估表示泛化性和判别性的基准，便于后续研究比较。

应用场景

• 具身视觉表示学习：为具身智能体提供同时具备泛化与判别能力的视觉表示，提升跨场景适应能力。
• 机器人感知：机器人可用该表示进行高效感知，在新环境中无需大量标注数据即可快速部署。
• 智能视觉分析：增强视觉分析模型在开放世界中的泛化性能，同时保持对关键目标的判别精度。
• 医学图像分析：在标注稀缺的医学影像场景中，提供稳健的预训练表示，提升诊断模型的泛化能力。