자기지도 학습은 레이블이 없는 대량의 데이터를 활용하여 효과적인 시각 표현을 학습할 수 있는 강력하고 견고한 학습 방법이다. 그러나 실제 응용 환경에서는 매우 큰 규모의 데이터를 수집하거나 활용하기 어려운 경우가 많다. 이 연구는 자기지도 학습 방법들의 성능을 저데이터 환경에서 비교 평가하여, 이러한 환경에서 무엇을 학습하고 각 방법들이 어떻게 동작하는지 파악하고자 한다.