懂AI
awesome-self-supervised-learning

awesome-self-supervised-learning

自监督学习资源精选与理论实用指南

精选自监督学习资源，覆盖理论研究与各领域实际应用，如计算机视觉、机器学习等。本项目常更新，已成为AI领域必备的研究与教学资源。

自监督学习人工智能深度学习对比学习视觉特征学习Github开源项目
访问官网GitHub论文

项目介绍：Awesome Self-Supervised Learning

简介

Awesome Self-Supervised Learning 是一个精心收集的自监督学习资源列表，该项目的灵感来源于一系列与深度学习相关的优秀项目，包括 Awesome Deep Vision、Awesome Adversarial Machine Learning、Awesome Deep Learning Papers 和 Awesome Architecture Search。这个资源库为研究人员、开发者和学习者提供了全面的自监督学习理论、方法和应用资源。

自监督学习的意义

自监督学习在人工智能社区中成为了一个令人兴奋的研究方向。几位人工智能领域的知名专家都表达了对自监督学习的重视：

  • Jitendra Malik 指出“监督学习是人工智能研究员的鸦片”，暗示自监督学习能够减少对标签数据的依赖。
  • Alyosha Efros 认为“人工智能革命将不依赖监督”。
  • Yann LeCun 把自监督学习比作蛋糕的主体，而监督学习和强化学习则是蛋糕上的糖霜和樱桃。

贡献指南

项目的成长需要大家的共同参与，您可以通过提交 pull request 来贡献您的资源与见解。任何相关的理论、代码或文章都可以通过指定的 markdown 格式进行贡献。

项目目录

  • 理论基础
  • 计算机视觉
    • 调查研究
    • 图像表示学习
    • 视频表示学习
    • 3D 特征学习
    • 几何
    • 音频
    • 其他
  • 机器学习
    • 强化学习
    • 推荐系统
  • 机器人技术
  • 自然语言处理
  • 自动语音识别
  • 时间序列
  • 图数据
  • 演讲资料
  • 论文集合
  • 博客

重点资源概览

理论基础

自监督学习的理论部分包含对比学习的无监督表示学习、对比自监督学习的泛化、对比损失行为的理解等研究。这些理论文章对于深入理解自监督学习的机制提供了坚实的理论支持。

计算机视觉

自监督学习在计算机视觉领域的应用非常广泛，涵盖了从图像、视频的表示学习到各种具体应用的广泛研究。例如，非参数实例区分的无监督特征学习、通过拼图解锁任务进行的图像表示学习、以及利用颜色化任务进行的视觉理解等众多方法。

年度突破

项目中列出了从 2015 年到 2023 年的重要研究文章，展示了自监督学习领域的持续发展和技术突破。这些研究不仅仅是在图像处理领域，在自然语言处理、音频识别、时间序列分析等领域也有许多创新应用。

结束语

Awesome Self-Supervised Learning 项目提供了一个宝贵的知识平台，帮助从事人工智能和机器学习的研究者和爱好者理解和探索自监督学习的最新进展与应用。希望社区的成员积极参与这个项目，一同推动自监督学习的发展。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多