VideoMAE: Masked Autoencoders are Data-Efficient Learners for Self-Supervised Video Pre-Training

• 类型：arxiv
• 标识：2203.12602
• 链接：https://arxiv.org/abs/2203.12602
• 主题：multimodal
• 主分类：multimodal
• 形态：method
• 被引：2186
• 被引来源：Semantic Scholar
• S2被引：2186
• OpenAlex被引：437
• 影响力被引：316
• TLDR：This paper shows that video masked autoencoders (VideoMAE) are data-efficient learners for self-supervised video pre-training (SSVP), and proposes customized video tube masking with an extremely high ratio, inspired by the recent ImageMAE.
• OpenAlex ID：W4221167396
• OpenAlex DOI：10.48550/arxiv.2203.12602
• DOI：10.48550/arxiv.2203.12602
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2203.12602
• OpenAlex更新：2026-07-30
• 副分类：engineering
• 待LLM分类：否
• 标题中文：VideoMAE: Masked Autoencoders are Data-Efficient Learners for Self-Supervised Video Pre-Training
• TLDR中文：本文表明视频掩码自编码器（VideoMAE）是自监督视频预训练（SSVP）的数据高效学习器，并受近期 ImageMAE 启发，提出采用极高掩码比例的定制化视频管状掩码策略。
• 来源文件：
• [OpenAlex discover]
• [S2 enrich]