通用视觉自监督研究报
A Daily Digest of Visual Self-Supervised Learning
2026-06-02 图像表征 · VFM · JEPA · 视频预训练
Visual SSL / representation · 扫读 · 2026-06-02

YARD：它和通用视觉自监督的关系在于：训练免费推理方法，但 register token 替代局部视觉 token 的设计可帮助理解视觉证据粒度

中低相关；详见方法、贡献和实验边界。

YARD: Y-Architecture Register Decoding for Efficient Hallucination Mitigation in Large Vision-Language Models　arXiv　原文链接

编号2605.31429 优先级扫读 类别Visual SSL / representation 会议arXiv 方法训练免费推理方法，但 register token 替代局部视觉 token 的设计可帮助理解视觉证据粒度 来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：训练免费推理方法，但 register token 替代局部视觉 token 的设计可帮助理解视觉证据粒度。 中低相关；详见方法、贡献和实验边界。

Figureure 10 · : Qualitative comparison between the baseline and YARD
Figureure 10 · : Qualitative comparison between the baseline and YARDFigure 10: Qualitative comparison between the baseline and YARD. The baseline hallucinates unsupported cars as separate objects, while YARD consistently focuses on the visually grounded train and its surrounding scene. Hallucinated words are highlighted in red. Input image这张图/表用于判断 YARD 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。
(b) Figure 1: Comparison between (a) pixel-level degradation that corrupts the visual inpu
(b) Figure 1: Comparison between (a) pixel-level degradation that corrupts the visual inpu(b) Figure 1: Comparison between (a) pixel-level degradation that corrupts the visual input and (b) YARD that constructs an image-aware but locally under-grounded degraded branch inside the LLM decoder.这张图/表用于判断 YARD 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：训练免费推理方法，但 register token 替代局部视觉 token 的设计可帮助理解视觉证据粒度。

方法拆解

训练免费推理方法，但 register token 替代局部视觉 token 的设计可帮助理解视觉证据粒度

主要贡献

中低相关；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。