通用视觉自监督研究报
A Daily Digest of Visual Self-Supervised Learning
2026-05-29 图像表征 · VFM · JEPA · 视频预训练
Visual SSL / representation · P1 · 2026-05-29

Beyond Surrogate Gradients:它和通用视觉自监督的关系在于:DiffPrune 直接在 visual token representation 上学习可微信息节流,服务 VLM 计算预算

中高相关;详见方法、贡献和实验边界。

编号2605.28051 优先级P1 类别Visual SSL / representation 会议arXiv 方法DiffPrune 直接在 visual token representation 上学习可微信息节流,服务 VLM 计算预算 来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于:DiffPrune 直接在 visual token representation 上学习可微信息节流,服务 VLM 计算预算。 中高相关;详见方法、贡献和实验边界。

Figureure 1 · : (a)&(b) Gumbel-Softmax-style pruning vs
Figureure 1 · : (a)&(b) Gumbel-Softmax-style pruning vsFigure 1: (a)&(b) Gumbel-Softmax-style pruning vs. DiffPrune. (c) DiffPrune demonstrates more coherent direction on DeiT backbone [6], which enables fully differentiable optimization.这张图来自论文 PDF 的结构化抽取。当前用于辅助理解 Beyond Surrogate Gradients 的方法或实验,请结合正文精读段落一起看。
Figureure 4 · : Our VP-Noise suppresses token information in a manner functionally e
Figureure 4 · : Our VP-Noise suppresses token information in a manner functionally eFigure 4: Our VP-Noise suppresses token information in a manner functionally equivalent to hard top-K pruning, yet remains fully differentiable. (a) Visual comparison of VP-Noise and hard masking. (b) Their accuracy remains nearly identical under different pruning ratios, demonstrating the equivalence.这张图/表用于判断 Beyond Surrogate Gradients 的实验收益来自哪里。重点看替换、消融或跨模型设置下趋势是否一致,而不是只看单个最高分。

核心问题

它和通用视觉自监督的关系在于:DiffPrune 直接在 visual token representation 上学习可微信息节流,服务 VLM 计算预算。

方法拆解

DiffPrune 直接在 visual token representation 上学习可微信息节流,服务 VLM 计算预算

主要贡献

中高相关;详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据:一是作者是否把方法收益和更强数据、更长训练、更大模型区分开;二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看;不要只凭单个指标判断它对通用视觉表征的价值。