我们提出了一种自监督预训练框架，使用掩蔽自动编码器学习无标签点云的有用表示。该方法在预测准确性和泛化能力方面优于最先进的无参考点云质量评估方法。

该研究提出了一种基于细胞核感知的自监督预训练框架，通过无配对图像转换来捕获细胞核形态和分布信息，并采用条件和随机样式表示来调节生成过程。实验结果表明，该方法在多个任务上优于有监督和其他自监督方法。

该研究提出了一种基于细胞核感知的自监督预训练框架，通过无配对图像转换来捕获细胞核形态和分布信息，并采用条件和随机样式表示来调节生成过程，以实现预训练图像的真实性和多样性。实验结果表明，该方法在多个任务上优于有监督和其他自监督方法。