本研究分析了33种图像和视频质量指标的对比敏感性，发现现有指标如VMAF和MS-SSIM存在不足，为新质量指标的评估提供了标准。

本文介绍了一种基于掩码图像建模的MAE-lite pre-training方法，用于轻量级ViTs的pre-training，并分析了该方法的影响和pre-trained模型在数据充足的下游任务中的重要作用。同时，还开发了一种distillation策略来提高pre-trained representations的性能。