北大美女学霸力压大神何恺明新作MAE！怒摘12个SOTA，灵感竟来自16年前CVPR论文

论文标题：Masked Feature Prediction for Self-Supervised Visual Pre-Training

论文链接：https://arxiv.org/abs/2112.09133

MaskFeat最核心的改变就是将MAE对图像像素（pixel）的直接预测，替换成对图像的方向梯度直方图（HOG）的预测。

MaskFeat的ViT-B在ImageNet 1K上的准确率达到了84.0%，MViT-L在Kinetics-400上的准确率达到了86.7%，成功地超越了MAE，BEiT和SimMIM等方法。

内容中包含的图片若涉及版权问题，请及时与我们联系删除