Self Supervised Learning

自监督学习（Self-Supervised Learning）旨在利用大量未标注数据，通过从数据本身的结构或特征生成标签，以监督学习的方式训练模型。该方法有效降低了标注成本，提升了模型对数据潜在特征的学习能力，广泛应用于表示学习，特别是在计算机视觉领域，如点云配准等任务中。