Masked Autoencoders Are Scalable Vision Learners

计算机科学 可扩展性 编码器 人工智能 遮罩(插图) 代表(政治) 图像(数学) 缩放比例 像素 特征学习 模式识别(心理学) 计算机视觉 机器学习 数据库 政治 操作系统 几何学 艺术 视觉艺术 数学 法学 政治学
作者
Kaiming He,Xinlei Chen,Saining Xie,Yanghao Li,Piotr Dollár,Ross Girshick
出处
期刊:Cornell University - arXiv 被引量:59
标识
DOI:10.48550/arxiv.2111.06377
摘要

This paper shows that masked autoencoders (MAE) are scalable self-supervised learners for computer vision. Our MAE approach is simple: we mask random patches of the input image and reconstruct the missing pixels. It is based on two core designs. First, we develop an asymmetric encoder-decoder architecture, with an encoder that operates only on the visible subset of patches (without mask tokens), along with a lightweight decoder that reconstructs the original image from the latent representation and mask tokens. Second, we find that masking a high proportion of the input image, e.g., 75%, yields a nontrivial and meaningful self-supervisory task. Coupling these two designs enables us to train large models efficiently and effectively: we accelerate training (by 3x or more) and improve accuracy. Our scalable approach allows for learning high-capacity models that generalize well: e.g., a vanilla ViT-Huge model achieves the best accuracy (87.8%) among methods that use only ImageNet-1K data. Transfer performance in downstream tasks outperforms supervised pre-training and shows promising scaling behavior.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
陈秋完成签到,获得积分10
1秒前
1秒前
2秒前
xxy991007发布了新的文献求助10
4秒前
石愚志发布了新的文献求助10
4秒前
lht完成签到,获得积分10
5秒前
CipherSage应助我爱科研采纳,获得10
6秒前
科研通AI5应助马里奥好难采纳,获得10
6秒前
小鱼吐泡泡完成签到 ,获得积分10
6秒前
Eureka发布了新的文献求助10
7秒前
科研通AI5应助传统的太清采纳,获得30
8秒前
8秒前
大个应助和腻u采纳,获得10
9秒前
sunsold完成签到,获得积分10
9秒前
10秒前
13秒前
13秒前
橘子发布了新的文献求助10
15秒前
学术小天才完成签到,获得积分10
16秒前
17秒前
科目三应助chendm采纳,获得10
20秒前
22秒前
22秒前
余周2024发布了新的文献求助10
23秒前
ll应助taku采纳,获得10
23秒前
WANDour完成签到 ,获得积分10
24秒前
25秒前
25秒前
25秒前
lxy发布了新的文献求助10
27秒前
和腻u发布了新的文献求助10
29秒前
29秒前
Carlo完成签到,获得积分10
30秒前
张某发布了新的文献求助10
30秒前
30秒前
啊哈哈完成签到 ,获得积分10
31秒前
32秒前
32秒前
32秒前
33秒前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
The First Nuclear Era: The Life and Times of a Technological Fixer 500
岡本唐貴自伝的回想画集 500
Distinct Aggregation Behaviors and Rheological Responses of Two Terminally Functionalized Polyisoprenes with Different Quadruple Hydrogen Bonding Motifs 450
Ciprofol versus propofol for adult sedation in gastrointestinal endoscopic procedures: a systematic review and meta-analysis 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3670898
求助须知:如何正确求助?哪些是违规求助? 3227795
关于积分的说明 9777110
捐赠科研通 2937970
什么是DOI,文献DOI怎么找? 1609700
邀请新用户注册赠送积分活动 760446
科研通“疑难数据库(出版商)”最低求助积分说明 735947