대조 표현 학습(Contrastive Representation Learning)

요약

대조 표현 학습(Contrastive Representation Learning)은 데이터의 유사성을 활용하여 효과적인 임베딩 공간을 구축하는 방법론입니다. 이 기법의 핵심 목표는 비슷한 샘플 쌍은 임베딩 공간에서 가깝게, 반대로 그렇지 않은 비유사한 쌍은 멀리 떨어지도록 학습시키는 것입니다. 대조 학습은 지도 및 비지도 학습 환경 모두에 적용할 수 있는 유연성을 가지고 있습니다.

핵심 포인트

• 대조 표현 학습의 목표는 임베딩 공간에서 유사성은 가깝게, 비유사성은 멀리 배치하는 것입니다.
• 이 방법론은 데이터의 구조적 관계(유사성/비유사성)를 활용하여 특징을 추출합니다.
• 대조 학습은 지도 학습과 비지도 학습 환경 모두에 적용 가능하여 범용성이 높습니다.