本研究提出了掩蔽图自编码器（GraphMAE），旨在解决对比学习的不足，专注于特征重建，取得了优异的表现。文章综述了掩膜自编码器在自监督学习中的应用，探讨了时间序列分析中的对比和生成方法，并比较了经典算法的优劣。此外，研究还介绍了MetaMAE和SMART等新方法，展示了它们在多模态任务中的有效性和性能提升。