MARC

 008260126s2025        us                              c    eng  d
■001000017357849
■00520260202103608
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798293892341
■035    ▼a(MiAaPQ)AAI32043020
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a004
■1001  ▼aWang,  XuDong.
■24510▼aVisual  Intelligence  Beyond  Human  Supervision
■260    ▼a[Sl]▼bUniversity  of  California,  Berkeley▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a231  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-04,  Section:  B.
■500    ▼aAdvisor:  Darrell,  Trevor.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Berkeley,  2025.
■520    ▼aAchieving  artificial  general  intelligence  requires  developing  models  capable  of  perceiving,  understanding,  and  interacting  with  the  world  across  diverse  sensory  modalities-beyond  the  confines  of  language  alone.  While  self-supervised  learning  has  enabled  remarkable  advances  in  large  language  models  (LLMs),  replicating  this  success  in  the  visual  domain  remains  a  significant  challenge,  largely  due  to  the  continued  reliance  on  human-annotated  data.  This  dissertation  explores  how  self-supervised  learning  can  unlock  visual  intelligence  beyond  human  supervision,  enabling  models  to  learn  directly  from  the  inherent  structure  and  regularities  of  the  visual  world.The  thesis  presents  a  series  of  efforts  aimed  at  advancing  this  vision.  First,  it  investigates  self-supervised  visual  world  understanding,  demonstrating  that  models  can  achieve  strong  segmentation  performance  without  the  billions  of  labeled  masks  used  in  supervised  approaches  such  as  the  Segment  Anything  Model  (SAM).  Instead,  our  work  shows  that  models  can  "segment  anything''  by  leveraging  the  rich  semantics  present  in  unlabeled  data.  Second,  it  introduces  methods  that  unify  generative  and  discriminative  visual  models  through  self-supervision  and  synthetic  data,  allowing  these  systems  to  complement  one  another  and  improve  both  visual  understanding  and  generation.  Third,  the  dissertation  examines  how  to  build  robust  visual  models  through  self-supervised  debiased  learning,  proposing  techniques  that  mitigate  bias  and  enhance  generalization  under  imperfect  data  conditions,  within  a  data-centric  representation  learning  framework.Together,  these  contributions  serve  a  common  goal:  building  scalable,  multi-modality  visual  intelligence  that  learn  not  by  mimicking  human  annotations,  but  by  discovering  the  latent  structure  of  the  world  itself!
■590    ▼aSchool  code:  0028.
■650  4▼aComputer  science
■650  4▼aElectrical  engineering
■653    ▼aLarge  language  models
■653    ▼aSegment  Anything  Model
■653    ▼aHuman-annotated  data
■690    ▼a0800
■690    ▼a0984
■690    ▼a0544
■71020▼aUniversity  of  California,  Berkeley▼bElectrical  Engineering  &  Computer  Sciences.
■7730  ▼tDissertations  Abstracts  International▼g87-04B.
■790    ▼a0028
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17357849▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서