论文提出基于人类调查数据拟合的86个渐变颜色类别,用类别边界、类别紧致度和超越颜色几何的渐变对齐三项指标评估视觉编码器。对11个Vision Transformer的比较显示,Masked Autoencoder在渐变对齐上最强;分层分析表明,掩码重建学习到的颜色结构可保留至输出层。
最近 24 小时暂无可用热度快照。