已收录文章摘要，完整内容可前往原文阅读。
在掩码生成（MAE）与自蒸馏（DINO）分庭抗礼的视觉自监督时代，曾立下赫赫战功的对比学习在视觉 Transformer（ViT）架构上似乎日渐式微。来自帝国理工学院的研究团队在 WACV 2027