从语义字典学习：面向统一视觉表征与生成的判别式码本对比学习

基于摘要分析。研究针对判别式与生成式视觉模型之间的语义不对齐问题，提出自监督框架 LEASE（LEArning from SEmantic Dictionaries），通过配对的生成式—判别式码本及双重训练目标，在统一潜在空间中兼顾视觉表征学习与图像生成。 机制上，LEASE 使用一次性预计算得到的离散 token 进行训练，无需数据增强、教师模型或在线 tokenizer。其掩码 token 重建损失用于保留细粒度生成信息，码本对比损失则通过自适应质心加权，使编码器特征与判别语义对齐。码本构建方式、两类损失的具体形式与权重，以及预计算成本如何计入训练效率，尚需正文核对。 作者报告，在 ImageNet-1K 上，LEASE 相较 MAGE、Sorcen 等既有 VQGAN-based 方法，在 linear probing、无条件生成、few-shot learning、迁移与鲁棒性评估中取得更优的统一表现；作者还报告其可与领域专用的对比学习及生成模型竞争，并可基于所学表征扩展至条件生成。摘要未给出具体指标、数值、数据划分与基线配置，因此不能量化优势或确认各项比较条件；实验协议、消融及统计信息尚未验证。材料仅说明代码将在接收后发布，不能据此认定论文已接收或代码已公开。 平台推测（待验证）：可迁移的机制假设是，生成式细节重建与判别语义对齐的联合约束，可能缓解 EEG 自监督表征中信号重建质量与下游任务可分性不一致的问题。但原研究对象是视觉数据，其方法依赖预计算离散 token 与配对码本，迁移需重新设计 EEG tokenizer、时序与通道表示及语义质心来源；低信噪比、跨被试差异和小数据条件可能使码本偏向噪声或被试特征。一个可证伪的小实验是在固定数据划分、tokenizer 和训练预算下，对比仅掩码重建与加入码本对比目标的模型，检验 Cross-subject MI 的 Balanced Accuracy 是否稳定改善。已有 EEG 相关工作尚未检索确认，这一方案不构成已验证的 BCI 效果。