有限数据，无限潜力：ViT 与遮蔽自编码器增强的研究

本文介绍了一种名为Vision Transformers (ViTs)的模型，使用自我监督学习(SSAT)作为辅助任务与主任务同时进行联合优化，以在有限的数据量下取得更好的性能表现。实验证明了SSAT的显著性提升并减少了碳足迹，同时在视频领域的Deepfake检测上也验证了其普遍适用性。