Краткое содержание

arXiv:2511.11270v1 Тип объявления: новый Аннотация: Фундаментальные модели зарекомендовали себя как эффективные базовые архитектуры для множества визуальных задач. Однако современные самонастраиваемые признаки смешивают высокоуровневые семантические характеристики с низкоуровневыми физическими факторами, такими как геометрия и освещение, что затрудняет их использование в задачах, требующих явного физического обоснования. В данной работе мы представляем $\Phi$eat — новую физически обоснованную визуальную базовую архитектуру, стимулирующую представление, чувствительное к идентичности материала, включая отражательные свойства и геометрическую мезоструктуру. Наш основной подход заключается в применении стратегии предварительного обучения, основанной на контрастировании пространственных фрагментов и физических преобразований одного и того же материала при различных формах и условиях освещения. Хотя аналогичные данные ранее использовались в высококлассных контролируемых задачах, таких как внутренняя декомпозиция или оценка материалов, мы показываем, что чисто неконтролируемая стратегия обучения уже обеспечивает сильный априорный признак для задач, требующих устойчивых признаков, инвариантных к внешним условиям.