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 · P3 · 2026-05-29

Proprio：它和通用视觉自监督的关系在于：冻结视频生成模型用 latent perturbation residual 自评分，体现生成模型内部表征的物理一致性信号

中相关；详见方法、贡献和实验边界。

Proprio: Latent Self-Scoring and Inference-Time Refinement for Physically Plausible Video Generation　arXiv　原文链接

编号2605.28230 优先级P3 类别Visual SSL / representation 会议arXiv 方法冻结视频生成模型用 latent perturbation residual 自评分，体现生成模型内部表征的物理一致性信号 来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：冻结视频生成模型用 latent perturbation residual 自评分，体现生成模型内部表征的物理一致性信号。 中相关；详见方法、贡献和实验边界。

Figureure 2 · : Proprio method overview
Figureure 2 · : Proprio method overviewFigure 2: Proprio method overview. For a generated latent video, Proprio computes a per-video self-scoring signal by perturbing the latent at multiple timesteps, measuring denoising residuals with the frozen generator, weighting timesteps by inverse variance, and emphasizing informative motion regions with a dynamic spatiotemporal mask. The resulting score can either be used for ranking and selection, self-refining or both. The VAE encoder is omitted for brevity.这张图概括 Proprio 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。
Figureure 1 · : Proprio enables a video generator to evaluate and improve its own ge
Figureure 1 · : Proprio enables a video generator to evaluate and improve its own geFigure 1: Proprio enables a video generator to evaluate and improve its own generation. Left: qualitative refinement comparisons for TurboWan2.2. Right: Proprio computes a latent self-score from the model’s denoising residual and uses it for either sample selection or inference-time refinement.这张图/表用于判断 Proprio 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：冻结视频生成模型用 latent perturbation residual 自评分，体现生成模型内部表征的物理一致性信号。

方法拆解

冻结视频生成模型用 latent perturbation residual 自评分，体现生成模型内部表征的物理一致性信号

主要贡献

中相关；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。