AutoPRL论文提交

AutoPRL提出一种高效的自监督路径表示学习框架，通过可学习的视图生成器改进道路网络路径表示学习。框架包含Automatic Data Augmentation（AutoDA）、Cross-View Decoupled Contrastive（CVDC）和Adaptive Co-Training（ACT）三个模块，分别用于生成语义视图、提升对比学习效率和动态平衡多目标损失。