StreamMAE：让自监督学习在连续视频流上奏效

研究团队构建了 95 小时的城市步行游览视频数据集 WT++，用于连续视频流上的自监督预训练，并提出 StreamMAE。该方法保留 MAE 重建目标，引入流感知正则化与运动偏置裁剪，性能超过流式基线、追平同数据 i.i.d. MAE，并随预训练流从 12 小时增至 95 小时正向扩展。