Representation Learning with Contrastive Predictive Coding

• 类型：arxiv
• 标识：1807.03748
• 链接：https://arxiv.org/abs/1807.03748
• 主题：evaluation
• 主分类：multimodal
• 形态：method
• 被引：14265
• 被引来源：Semantic Scholar
• S2被引：14265
• OpenAlex被引：4549
• 影响力被引：1577
• TLDR：This work proposes a universal unsupervised learning approach to extract useful representations from high-dimensional data, which it calls Contrastive Predictive Coding, and demonstrates that the approach is able to learn useful representations achieving strong performance on four distinct domains: speech, images, text and reinforcement learning in 3D environments.
• OpenAlex ID：W4297808394
• OpenAlex DOI：10.48550/arxiv.1807.03748
• DOI：10.48550/arxiv.1807.03748
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/1807.03748
• OpenAlex更新：2026-08-25
• 待LLM分类：否
• 成熟度：production
• 场景：contrastive learning、self-supervised、representation
• 标题中文：基于对比预测编码的表征学习
• TLDR中文：本文提出了一种通用的无监督学习方法——对比预测编码（Contrastive Predictive Coding），用于从高维数据中提取有用的表征，并在语音、图像、文本和 3D 环境中的强化学习四个不同领域取得了出色的性能。
• 来源文件：
• [OpenAlex discover]
• [S2 enrich]