เปรียบเทียบวิธี

	SimCLR	วิชันทรานส์ฟอร์มเมอร์
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2020	2021
ผู้ริเริ่ม	Ting Chen	Dosovitskiy, A. et al.
ประเภท	Neural network architecture	Transformer architecture for images (self-attention over patches)
แหล่งต้นตำรับ	Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A simple framework for contrastive learning of visual representations. In International conference on machine learning (pp. 1597-1607). PMLR.	Dosovitskiy, A. et al. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. ICLR.
ชื่อเรียกอื่น	Simple contrastive learning, SimCLR framework	Görsel Transformer (ViT), görsel transformer, ViT, patch transformer for images
ที่เกี่ยวข้อง	4	5
สรุป	SimCLR is a self-supervised learning framework introduced by Chen et al. in 2020 that learns visual representations by contrasting similar and dissimilar views of images. The method applies strong data augmentations to create different views of the same image, then trains an encoder to bring similar views close in representation space while pushing dissimilar views apart.	The Vision Transformer (ViT), introduced by Dosovitskiy and colleagues in 2021, splits an image into fixed-size patches, treats those patches as a sequence, and applies the Transformer self-attention mechanism to image classification. Given enough training data, it surpasses convolutional neural networks (CNNs).