본 연구에서는 이론적으로 근거가 있는 새로운 자기 지도 학습 방법인 HyDeS를 제안합니다. HyDeS는 초구면 공간 내에서 Shannon 차이 엔트로피와 von Mises-Fisher 밀도 추정기를 사용하여 다중 뷰 상호 정보 최대화를 기반으로 합니다.
HyDeS는 이미지의 전경 특징에 집중하도록 학습된 모델에 편향을 주고 VOC PASCAL과 같은 분할 작업에서 좋은 성능을 보이지만, 미세 분류에서는 뒤쳐집니다.
유도된 잠재 공간 기하학 및 학습 역학에 대한 자세한 분석을 제공하여 다른 이론적으로 근거가 있는 자기 지도 학습 방법을 설계하는 데 활용할 수 있습니다.