لقد أصبح التعلم المقارن نهجًا رائدًا في مجال التعلم البصري الذاتي بدون إشراف، لكن استخدام العينات السلبية الصعبة بكفاءة، وهي العينات التي تشبه العينة المرجعية بشكل وثيق، لا يزال تحديًا. نقدم SynCo (العينات السلبية الاصطناعية في التعلم المقارن)، وهو نهج جديد يحسن أداء النموذج من خلال توليد عينات سلبية صعبة اصطناعية في فضاء التمثيل. معتمدًا على إطار MoCo، يُدخل SynCo ست استراتيجيات لإنشاء عينات سلبية صعبة اصطناعية متنوعة على الطاير وبأقل تكلفة حسابية. يحقق SynCo تدريبًا أسرع وتعلم تمثيل قوي، حيث يتفوق على MoCo-v2 بنسبة +0.4% وعلى MoCHI بنسبة +1.0% في تقييم الخطية لـ ImageNet ILSVRC-2012. كما يتم نقله بشكل أكثر فعالية إلى مهام الكشف، مما يجعله يحقق نتائج قوية في كشف PASCAL VOC (57.2% دقة الكشف) ويحسن بشكل كبير على MoCo-v2 في كشف COCO (+1.0% دقة الكشف) وفي تقسيم النماذج (+0.8% دقة التقسيم). إن نهجنا لتوليد العينات السلبية الصعبة الاصطناعية يعزز بشكل كبير التمثيلات البصرية التي يتم تعلمها عبر التعلم المقارن الذاتي بدون إشراف.