CSFM：通过复合子空间流匹配进行表征学习

研究者提出复合子空间流匹配（CSFM），将表征学习表述为跨频谱、颜色与光照子空间的确定性退化课程的可逆过程，并用硬时间风格截断约束轨迹方差。在 CIFAR-10、CIFAR-100 与 STL-10 上，CSFM 在卷积和视觉 Transformer 架构下兼顾判别迁移性与生成合成。其线性探测与少样本分类表现优于标准最优传输流。