视觉SSL终于追上CLIP！Yann LeCun、谢赛宁等新作，逆转固有认知

机器之心报道编辑：蛋酱、杜伟扩展无语言的视觉表征学习。在视觉问题解答（VQA）等多模态环境中，当前视觉自监督学习（SSL）的表现还比不上语言图像预训练（CLIP）。这种差距通常归因于语言监督引入的语义，尽管视觉 SSL 模型和 CLIP 模型通常在不同的数据上进行训练。在最近的一项研究中，Y