본 논문은 레이블이 없는 데이터로부터 표현 학습을 위한 강력한 패러다임인 자기 지도 학습(SSL)에 대해 다룹니다. 기존 SSL 방법론의 문제점인 수작업으로 설계된 데이터 증강의 한계를 지적하며, 이를 대체하기 위해 직교 기저와 과완전 프레임을 사용하여 뷰를 생성하는 비지도 표현 학습 방법을 제안합니다. 이 방법은 서로 다른 공간에서 샘플을 표현함으로써 발생하는 기하학적 편향에 의해 형성된, 서로 다른 매니폴드에 존재하는 임베딩을 활용합니다. 제안하는 방법론은 증강 없이도 여러 시계열 데이터셋에서 기존 SSL 방식보다 우수한 성능을 보입니다.
