该研究综合研究了自监督学习技术在事件序列表示中的生成和对比方法，并提出了一种新的生成和对比嵌入对齐方法。实验证明该方法在各种任务上至少达到现有方法的水平，并在数据集上一直优于有监督方法。

本研究评估了计算机视觉任务中彻底自监督学习技术的有效性，并提出了一种基于标注块的零样本分割评估协议。通过MMC方法，利用蒙版图像建模、自蒸馏和全局对比度提升SSP ViTs的区分能力，实现了零样本语义分割的顶级效果。

本研究旨在探讨自监督学习技术在相同程度和数量的感官输入下，是否能够达到人类水平的视觉图像理解。研究结果表明，在增加数据量和提高图像质量的情况下进行规模化实验，可以实现人类水平的物品检测性能。实验使用了最多200,000张分辨率为256像素每英寸的图像。