本文介绍了掩码自动编码器（MAE）在计算机视觉中的应用，强调其自监督学习能力和高效性。MAE通过统一遮蔽（UM）和轻量级模型EfficientSAMs，在图像分类、对象检测、视频对象跟踪和分割等任务中表现出色，展现了优越的性能和计算效率。

本研究提出了上下文自编码器（CAE）用于模糊图像建模，增强表示学习和下游任务表现。通过自监督学习和视觉转换器架构，模型在数据稀缺的情况下实现了显著的性能提升。掩码自动编码器（MAE）等方法提高了计算效率和准确率，展示了在视觉模式识别中的应用潜力。

本文介绍了掩码自动编码器（MAE）作为一种可扩展的自监督计算机视觉学习器，通过编码器和解码器实现图像重建。使用更高比例的保持训练图片完整性的遮罩令牌可以提高训练精度和加速计算。该方法适用于训练大型高容量模型，并具有出色的迁移学习性能。