CoMAE是一种单模型自监督混合预训练框架，通过交叉模态对比学习和遮蔽图像建模来统一自监督表示学习算法。CoMAE在SUN RGB-D和NYUDv2数据集上的实验表明，其预训练模型具有与大规模和监督RGB数据集预训练方法相竞争的效果。