重新思考长尾数据下监督对比学习的表征几何

新研究针对长尾数据下的监督对比学习提出表征几何分析框架，指出代表性对比目标因依赖类别样本量，在最优状态下无法形成正单纯形几何。为此，作者提出结构平衡方法与完全平衡对比目标，在理论上证明其能在最优状态形成正单纯形几何。理论与实验结果表明，该方法构建了更平衡的表征空间，并提升了长尾识别与迁移学习任务的性能。