本文介绍了一种感知分组标记器模型，用于提取视觉特征和进行自监督表示学习。该模型通过分组操作迭代地改进特征表示，具有竞争力的性能和自适应计算。在ImageNet-1K自监督学习基准测试中，该模型获得了80.3％的性能。

本文介绍了基于蒙版图建模的自监督表示学习在分子图领域的表现，并探索了引入表达力强的解码器对于自编码器表示学习的潜力。提出了一种新颖的蒙版图建模方法 SimSGT，并实验证明其优于现有的分子自监督学习方法。