跳到正文
arXiv · AI· Oankar R. Patil, May D. Wang·· 17 小时前AI 评分21

SEANA 通过噪声对齐视图生成打破自监督学习中的噪声捷径

Breaking Noise Shortcuts in Self-Supervised Learning Via Noise-Aligned View Generation

AI 导读

自监督学习在处理含噪科学影像时易编码噪声而非语义,本文提出 SEANA 模块,通过学习可逆变差稳定变换(VST)生成噪声感知视图,无需干净目标或去噪器训练。在真实荧光成像任务中,SEANA 使 Jurkat 细胞周期分类准确率相比标准自监督方法提升最高 28.6 个百分点。 结果表明,在 VST 空间进行噪声对齐重采样比单纯去噪能产生更鲁棒的表征,优于去噪预处理管道。

来源:arXiv · AI · arxiv.org