本研究提出了一种自监督预训练框架FSFM，通过掩码图像建模和实例区分方法，利用大量无标签的真实面孔学习人脸表征。实验结果显示，该模型在多个数据集上的迁移性能显著优于传统方法，增强了人脸安全任务的泛化能力。

本研究提出了一种新型的自监督人脸表征学习框架(FRA)，通过匹配面部局部表征来学习一致的全局和局部面部表征，并证明FRA模型在面部分类和回归任务中优于之前的预训练模型和现有方法。