自监督学习：去除背景（提取鲁棒的特征）

背景增强的自监督视频表征学习

【知乎的一篇介绍，写的很详细】
【代码、论文】

• 概述：
  CVPR2021 的论文，同样属于自监督学习中pretext task设计的范畴，其中所提出的观点具有较高的参考价值与研究意义。
  文中多次提及的background，既可理解为背景信息，也可指代具体的场景内容。

• 上面的知乎链接介绍了文章的动机：

【知乎原文

一、神奇的想法：通过添加background来去掉background

小标题可能难以理解，但其本质即是前述所提及的“文章的动机”：背景信息在视频处理中具有双重影响，无论是过度关注还是忽视都会带来不利影响。因此，在视频数据中引入具有多样化但相似背景的图像（即对图像背景进行扰动），有助于提升网络模型的泛化能力。
作者提出采用GAN、VAE等方法生成与原视频背景相似的图像，我认为其意图是将这些生成图像作为训练样本进行替换，但该方法较为复杂。于是想到通过在视频背景中加入噪声的方式