ビデオから視覚表現を学習するための特徴予測の有効性の再検討

ビデオからの特徴予測は、事前学習された画像エンコーダ、テキスト、ネガティブサンプル、再構成、その他の監督情報を使用せずに、汎用的な視覚表現を学習するための有効な単独目的である。