対照学習（Contrastive Learning）とは、類似するデータペア（正例ペア）の表現を近づけ、異なるデータペア（負例ペア）の表現を遠ざけるように学習する自己教師あり学習の手法です。ラベルなしで高品質な特徴表現を学習できます。
正例ペアと負例ペアの構成
同じ画像に異なるデータ拡張（回転、色変換等）を適用した2つのビューを正例ペアとし、異なる画像のビューを負例ペアとします。モデルは正例ペアを近く、負例ペアを遠くに配置する表現空間を学習します。
代表的な手法
SimCLR（大量の負例を使用）、MoCo（モメンタムエンコーダーを使用）、BYOL（負例不要）、Barlow Twins（冗長性削減）、VICReg（分散・不変性・共分散の正則化）などがあります。
下流タスクへの応用
対照学習で獲得した表現は、少量のラベル付きデータでのファインチューニングにより、分類・検出・セグメンテーションなどの下流タスクで高い性能を達成します。