無需強假設：透過時間差異（TDV）進行視覺表示學習
為何重要
此突破挑戰了視覺模型對強假設的依賴，為未來隨資料量擴大而降低假設需求的方向奠定基礎。
現代視覺表示學習雖然多採用自我監督（Self-Supervised Learning），但仍依賴增強、遮罩或裁剪等強假設。為打破此瓶頸，研究提出 Temporal Difference in Vision (TDV) 範式，僅基於「過去導致未來」的因果假設，聯合訓練影像編碼器與運動編碼器來學習表示。結果顯示，即使在未使用顯著假設的情況下，TDV 在密集空間任務上的表現仍能匹敵現有先進技術。