[CLS 01 · 学习信号、表示与迁移](/course/notebooks/fb4365d604974dd19df492cb22516e44.html)

# 源场景
[独立阅读](/course/notebook-blocks/8db40ec3f2d94edfb04870b169e18a55.html)
主线阅读与优先实验

标签供给、文本目标接口、视图/队列/MAE图与表示迁移证据

**源场景**

![源场景](/course/knowledge-assets/3047dd45017c7334f22a02f9.jpg)

**裁剪 A**

![裁剪 A](/course/knowledge-assets/8f50d8aaa79b3734ebeff348.jpg)

**裁剪 B**

![裁剪 B](/course/knowledge-assets/8d35c9f6a81fde78f5618c0f.jpg)

同一源场景的裁剪与变换，用于观察训练配对；图中的相似关系是任务设定。

对一张桌面照片做两种变换，产生查询视图 q 与对应的 key 视图 k⁺。同一照片提供正配对，不要求先写“杯子”标签。来自另一张照片的 key 可以进入比较字典，但它也可能拍了同一种杯子；“不同图像”不等于“不同语义类别”。

对归一化向量，点积可作相似度。MoCo 的目标让正确配对在字典里得到较高相对分数：

$\ell=-\log\frac{\exp(q^\top k^+/\tau)}{\exp(q^\top k^+/\tau)+\sum_{k^-}\exp(q^\top k^-/\tau)}.$

τ 决定分数进入 softmax 后的尖锐程度。目标关心的不是所有向量无条件相同，而是指定正配对相对候选更容易找回。[MoCo](https://arxiv.org/abs/1911.05722)

**看图后先预测：** 若两个裁剪都保留杯子但桌面背景不同，系统被要求忽略什么？若其中一张只剩桌面，正配对又要求了什么？