A Theory of Contrastive Learning with Natural Images

• 类型：arxiv
• 标识：2607.07470
• 链接：https://arxiv.org/abs/2607.07470
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Analytically computing the optimal representation in terms of a contrastive loss for a range of basic augmentations and any image dataset with stationary statistics shows that for certain augmentations the optimum can be attained by a CNN whose first layer filters are sinusoids.
• OpenAlex ID：W7167835395
• OpenAlex DOI：10.48550/arxiv.2607.07470
• DOI：10.48550/arxiv.2607.07470
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.07470
• OpenAlex更新：2026-07-19
• 待LLM分类：否
• 标题中文：自然图像对比学习的一种理论
• TLDR中文：针对一系列基本增广与任意具有平稳统计量的图像数据集，以解析方式根据对比损失计算最优表示，结果表明对于某些增广，最优解可由第一层滤波器为正弦函数的 CNN 实现。
• 成熟度：research
• 场景：contrastive learning、representation learning、theory
• 来源文件：
• /inbox/tom/_candidates/2026-07-15-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]