leautoencoder

这是一个探索自监督学习的轻量级自编码器实验项目，通过潜空间一致性而非像素级重建误差来训练模型。其核心创新在于引入双视图机制：对同一图像的干净版本和掩码版本分别编码解码，并利用缓慢更新的目标编码器在潜空间中对齐两者的重建结果，辅以裁剪一致性损失和潜变量正则化。技术特点包括对称双分支架构、目标编码器作为判别器、无需显式标签的自教学范式。适用于无监督表征学习、图像修复初步探索及潜空间一致性研究等场景。