Self Supervised Learning

Selbstüberwachtes Lernen (Self-Supervised Learning, SSL) zielt darauf ab, große Mengen an unannotiertem Datenmaterial durch die Generierung von Labels aus der Struktur oder den Eigenschaften der Daten selbst zu nutzen, um Modelle auf überwachte Weise zu trainieren. Dieser Ansatz verringert effektiv die Kosten für die Annotation und verbessert gleichzeitig die Fähigkeit des Modells, potenzielle Merkmale aus den Daten zu lernen. SSL wird insbesondere in der Repräsentationslernen und in Computer-Vision-Aufgaben wie der Registrierung von Punktwolken weit verbreitet eingesetzt.