局部—全局自监督视觉表征学习

基于摘要分析。该研究面向图像自监督表征学习，在图像级实例判别之外引入 patch 级判别，以联合学习局部细节与全局视觉特征；主要贡献是结合局部独立光度增强、跨视图 patch 匹配及双层级自蒸馏。 方法先对原始图像进行空间增强，再对同一视图内各 patch 分别施加相互独立的光度增强，使不同局部区域呈现不同颜色变化。增强后的图像输入以 Vision Transformer（ViT）为骨干的自蒸馏框架，通过缩小图像级和 patch 级表征距离学习跨视图一致性。作者提出 patch-matching 算法寻找增强视图之间对应的 patch，并报告其相较类似方法降低了计算复杂度；匹配规则、损失形式与复杂度比较条件尚未验证。 作者报告在 Cifar10、ImageNet-100 和 ImageNet-1K 等不同规模数据集上进行预训练，并在图像分类、copy detection 和 image retrieval 任务中优于所比较的先进自监督方法。摘要未提供具体分数、评估划分、基线配置或计算成本，不能据此量化性能与效率优势。实验协议、消融及统计信息尚未验证。摘要称实现已在 GitHub 提供，但当前材料未给出仓库链接及复现配置。 平台推测（待验证）：其可迁移机制是借助局部对应关系，在全局一致性之外约束细粒度表征，可能用于探索 EEG 自监督学习中局部时频结构的保留。但原方法依赖图像空间对应与颜色增强；用于 EEG 时，须重新定义时间、频率或通道 patch 的对应规则，并以生理语义合理的增强替代颜色扰动。低信噪比、跨被试差异、通道布局变化及小数据条件可能使局部匹配失效。可在固定数据划分与训练预算下，对比仅全局目标和加入局部匹配目标的 EEG 编码器，检验局部约束是否改善下游表现；这仅是假设，已有 EEG 相关工作尚未检索确认。