NeurIPS 论文 StreamMAE 让自监督学习直接消化连续视频流

NeurIPS 论文《I Have a Stream: Making Self-Supervised Learning Work on Continuous Video》探索让自监督学习像哺乳动物一样从单一连续视觉流学习而非打乱的图像集合。团队用滑动窗口批按时间顺序消费数据，发现真正有害的是高批内相似度而非批间相似性，通过减少批内相似度的修复，性能几乎追平 iid 采样，扩展到 95 小时视频流仍持续增益。

2026-10-09 ~ 2026-10-09 · 4 条相关

• StreamMAE：从 95 小时连续视频流自监督预训练，追平 iid 训练 — y_m_asano · 2026-10-09
• NeurIPS 论文：流式视频自监督学习为何失败、如何修复 — y_m_asano · 2026-10-09
• 修复批内相似度问题,流式学习性能接近 iid 采样 — y_m_asano · 2026-10-09

另有 1 条近重复转述:y_m_asano