Apprentissage auto-supervisé

L'apprentissage auto-supervisé (AAS) vise à utiliser de grandes quantités de données non étiquetées en générant des labels à partir de la structure ou des caractéristiques inhérentes aux données elles-mêmes, permettant ainsi d'entraîner les modèles de manière supervisée. Cette approche réduit efficacement le coût d'annotation tout en améliorant la capacité du modèle à apprendre des caractéristiques potentielles des données. Elle est largement appliquée dans l'apprentissage de représentations, notamment dans les tâches de vision par ordinateur telles que l'enregistrement de nuages de points.