자기 지도 학습(SSL)은 짧은 기록, 누락된 기능, 부분적으로 관찰된 이미지와 같이 변화하는 정보 환경에서 사용됩니다. 이 환경에서 거칠고 정제된 뷰의 예측은 일관성을 유지해야 합니다. 마팅게일은 이러한 일관성 원칙을 공식화하지만, 표준 SSL 목표는 이를 강제하지 않습니다.
마팅게일 일관성은 뷰를 함께 당기는 불변성 목표와 달리 정제된 예측의 기대값을 제한하여 정보가 드러나면서 예측을 업데이트할 수 있도록 하면서 체계적인 드리프트를 방지합니다.
연구진은 마팅게일 일관성을 기반으로 한 SSL 프레임워크를 도입하여 예측 및 잠재 공간 변형을 제공하며, 확률적 정제를 기반으로 하는 편향되지 않은 두 샘플 몬테카를로 추정기를 사용합니다.