本文介绍了MetaMAE，一种通过元学习和任务对比学习来提高不同模态下Masked Auto-Encoder（MAE）性能的自监督学习框架。实验证明MetaMAE在自监督学习基准中表现优秀。

本文介绍了MetaMAE，一种通过元学习提高Masked Auto-Encoder（MAE）性能的自监督学习框架。该框架将MAE的掩码重构作为元学习任务，并使用先进的元学习技术增强重构和对齐潜在因素。实验证明，MetaMAE在自监督学习基准DABS中优于之前的基线。