**StreamMAE:实现连续视频流上的自监督学习**

_I Have a Stream: Making Self-Supervised Learning Work on Continuous Video_

> 针对传统自监督学习依赖独立采样与全局打乱的问题,研究提出在连续视频流上进行预训练。通过构建95小时城市步行视频数据集WT++,发现批内高相似度是主要挑战。提出的StreamMAE方法结合流感知正则化与运动偏置裁剪,在连续流设置下性能媲美标准i.i.d.预训练,并随数据规模增长表现稳健。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-01 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.40333)