探索实例关系用于无监督特征嵌入

尽管无监督特征嵌入已取得巨大进展，现有的对比学习方法通常通过在嵌入空间中吸引正样本对并排斥负样本对来追求视图不变表示，却忽视了对实例关系的系统性探索。本文中，我们探索用于无监督特征嵌入的实例关系，包括实例内多视图关系与实例间插值关系。具体而言，我们通过对齐一个实例的不同增强样本与负样本之间距离的分布来嵌入实例内多视图关系。我们通过将图像样本插值在像素空间中的信息比例迁移到特征嵌入空间来探索实例间插值关系。所提出的方法称为 EIR，简单而有效，并且可以轻松插入到现有的基于视图不变对比学习的方法中。在公开的图像分类与检索基准上进行的实验报告了最先进或可媲美的性能。