自监督表征学习（Self-Supervised Representation Learning）

自监督学习通过构造自生成的监督信号，利用无标注数据训练模型学到可用于下游任务的中间表征。图像领域常用预处理变换（如旋转、裁剪、失真）构造 pretext task，以 ImageNet 分类准确率评估表征质量。原文指出生成模型与自监督表征学习的目标不同，后者关注通用特征提取而非生成多样真实图像。