模型

Masked Autoencoder（掩码自编码器）

Masked Autoencoder 是一种自监督视觉预训练方法，通过随机掩码输入图像块并重建像素，解决标注数据稀缺问题。它采用非对称编码器-解码器架构，在 ImageNet 上取得优异性能，代表工作为 He 等人 2021 年的 MAE。

收录于 2026/9/14相关资讯 1 篇在词典中查看 →

详细解释

MAE 将输入图像划分为 patch，随机掩码高比例（如 75%）的 patch，仅将可见 patch 输入 ViT 编码器，然后轻量解码器重建掩码 patch 的像素。这种设计迫使模型学习全局语义表示，且计算高效。MAE 在 ImageNet 分类、迁移学习上超越对比学习，并启发了视频、音频等领域的掩码建模。

别名与相关写法
masked autoencoder

相关术语

representation learning共现 1 篇
Multimodal共现 1 篇
Attention共现 1 篇
Encoder共现 1 篇
MAE共现 1 篇

相关资讯

完整术语表见 AI 术语词典； 每日新术语与进展见 AI 早报。