Kontrastives Mutual Information Learning ohne positive Augmentierungen
Die neue Methode cMIM (contrastive Mutual Information Machine) erweitert das bereits etablierte Mutual Information Machine (MIM) um ein kontrastives Ziel, wodurch die Notwendigkeit für positive Datenaugmentierungen entfällt. Durch diese Erweiterung behält cMIM die generative Präzision von MIM bei, fügt jedoch eine globale diskriminative Struktur hinzu, die besonders für Klassifikationsaufgaben von Vorteil ist.
