VISReg

【採用判断】VISRegは論文段階の正則化手法であり、コードは公開済み、重みも近日公開予定ですが、独立した大規模な再現検証はまだありません。JEPA実験の探索的コンポーネントとして試用されるべきで、安定した本番モジュールとしては推奨しません。

【機能】分散・不変性・スケッチング制約により潜在表現からスケールと形状を分離し、論文ではImageNet-22KでDINOv2の10分の1のデータで同等性能を主張。計算量は線形O(NDK)でVICRegの二乗より優位。中国語技術記事（論文引用）では単体H100でSIGRegより速度・メモリ効率が良いと述べられています。これらは論文主張であり、独立したベンチマークがないため、保守的に評価する必要があります。

【コスト・前提・対象者】自己教師あり学習とJEPAに精通した研究者向けで、PyTorchのスキルが必要。GitHub（HaiyuWu/visreg）でコードは無料公開され、重みも近日同リポジトリでリリース予定。商用価格やAPIは存在せず、訓練コストは自身のGPU使用量次第です。学習済みモデルやすぐに使える特徴抽出器ではなく、アプリ開発者には不向きです。

【コミュニティ評価と情報の質】Xでは著名研究者の共有により高い可視性を獲得（1投稿で31kビュー・139いいね）する一方、SIGRegに比べハイパーパラメータが増えることへの疑問も存在します。情報源は著者のツイートと返信、ならびに中国語のダイジェスト記事が中心で、独立した大規模再現実験や詳細なチュートリアルは見当たりません。サンプルサイズは限定的で、議論の質は初期プロモーション寄りです。混同注意：VISRegは単体の視覚アプリやモデルではなく、VICRegやSIGRegのような訓練用正則化損失部品です。