小波驱动的掩码图像建模：通向高效视觉表征的路径

基于摘要分析。本文研究视觉自监督学习中的 Masked Image Modeling（MIM），针对像素重建可能过度关注纹理等细节、增加训练开销的问题，以多层小波分解得到的系数构建重建目标，旨在提高视觉表征学习的训练效率。 核心机制是将图像分解为不同层级的小波系数，以形成对应不同频率与尺度的重建目标，再将这些目标纳入 MIM，并通过可调权重突出重要信息。作者强调，相比 Fourier transform，小波变换能够同时保留频率信息、空间特征与多层级信息，其分解层级也与现代神经网络的层次结构相契合。摘要未说明具体小波基、分解层数、掩码策略、损失形式及权重确定方式。 作者报告，在所评估的多种下游任务上，该方法取得相当或更优的性能，并具有更高训练效率；但摘要未列出数据集、基线、指标、训练预算或效率测量方式，因此无法判断收益幅度，也不能区分训练步数、实际耗时与总计算量的改善。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其可迁移假设是，用多尺度时频重建目标替代原始 EEG 波形重建，可能减少对冗余细节的拟合。可复用的是分层重建与目标加权思想；图像空间小波分解则需改为适合 EEG 时间轴与通道结构的处理，并核对采样率、频段及通道差异。该假设依赖小波尺度能够保留任务相关信息，在低信噪比、跨被试分布变化及小数据条件下，也可能强化伪迹或丢失瞬态 ERP。可在固定 EEG 数据划分、编码器和训练预算下，对比原始波形与小波系数重建，检查下游性能及实际训练耗时是否改善。上述方案不是本文已验证结果；已有 EEG 相关工作尚未检索确认。