arXiv Fri batch; representation analysis · P2 · 2026-07-11

Texture Representations in Deep Vision：它和通用视觉自监督的关系在于：比较 CNN、ViT 和人类纹理表征，对“通用视觉表征到底捕获什么”有解释价值

中相关；详见方法、贡献和实验边界。

Texture Representations in Deep Vision Models　arXiv Fri batch; representation analysis　原文链接

编号2607.08321 优先级P2 类别arXiv Fri batch; representation analysis 会议arXiv Fri batch; representation analysis 方法比较 CNN、ViT 和人类纹理表征，对“通用视觉表征到底捕获什么”有解释价值来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：比较 CNN、ViT 和人类纹理表征，对“通用视觉表征到底捕获什么”有解释价值。中相关；详见方法、贡献和实验边界。

**Figureure 7 · : Extended plot for Section 4.2, Figure 2: For each dataset (columns)** Figure 7: Extended plot for Section 4.2, Figure 2: For each dataset (columns) we compute II for each pair of models. In particular, as shown in the rows, each model serves as a reference, and the other three serve as target, as shown in the columns and in the top legend. We quantify the depth of each feature’s layer as the relative percentage, and compared symmetrized II scores between reference layers and target layers along the same relative depth.这张图来自论文 PDF 的结构化抽取。当前用于辅助理解 Texture Representations in Deep Vision 的方法或实验，请结合正文精读段落一起看。

**Figureure 11 · : Illustration of the experimental flow, with time in ms**Figure 11: Illustration of the experimental flow, with time in ms. Each simulation is paced at 200ms, proceeded by a 400ms red fixation cross. Response time is self paced. Breaks between trials are provided.这张图来自论文 PDF 的结构化抽取。当前用于辅助理解 Texture Representations in Deep Vision 的方法或实验，请结合正文精读段落一起看。

核心问题

它和通用视觉自监督的关系在于：比较 CNN、ViT 和人类纹理表征，对“通用视觉表征到底捕获什么”有解释价值。

方法拆解

比较 CNN、ViT 和人类纹理表征，对“通用视觉表征到底捕获什么”有解释价值

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。