谁给这么多图像出训练题？
X03/b0 · 遮挡后的输入
谁来为被遮掉的部分提供答案？
He 等 · MAE Figure 2 · ImageNet 验证图 · 本展示遮挡 80%；原始重建未贴回可见图块，未作美化。
训练材料多起来以后，下一个问题是：谁来为这些材料出题？我们看一张被遮掉大部分的图片。这里是 MAE 论文中的真实展示，遮挡百分之八十，只剩一百九十六块中的三十九块。现在模型看到的只有这些局部，任务是恢复其余部分。这个比例是本图的展示条件，不要和方法中常见的百分之七十五混在一起。
教师备课：指图与模拟问答
指图与推进 · 不朗读只指左图可见块，明确遮挡条件。
X03/b1 · 揭示模型重建
模型给出重建；车身细节仍然有误差。
He 等 · MAE Figure 2 · ImageNet 验证图 · 本展示遮挡 80%；原始重建未贴回可见图块，未作美化。
中间是论文里的模型重建。我们已经能看到一辆校车的整体形态，但窗户、文字和局部细节并不准确。这里不是画得漂亮才算成功；我们要看的是，模型根据有限局部作出了可比较的预测。课件没有补画输出，也没有把可见原图贴回去。
教师备课：指图与模拟问答
指图与推进 · 不朗读显出中图；指车身轮廓与模糊细节。
X03/b2 · 原图提供目标
原图就是监督目标，不必逐张撰写问答。
He 等 · MAE Figure 2 · ImageNet 验证图 · 本展示遮挡 80%；原始重建未贴回可见图块，未作美化。
现在把原图也拿出来。答案原本就藏在这张图里，遮掉之前我们就有完整像素，因此可以在被遮位置比较预测与原图，形成训练误差。大量原始图像由此变成可持续产生的学习任务。模型是否学到可迁移的表示，不能只凭这辆车像不像来判断；我们接着看同一图片池中的分类评测。
教师备课：指图与模拟问答
指图与推进 · 不朗读显出原图；把输出误差与原图目标相连，再转下页。
补充推导、边界与来源
前一页让我们看到扩展训练条件的价值。接下来要问：如果训练材料很多，是否必须由人逐张写出问答，才能形成学习任务？MAE 提供了一个可直接观察的例子。
这组三联来自 He 等 MAE 论文 Figure 2 的校车样例。左图是被遮挡的输入，中图是论文报告的模型重建，右图是原始图像。图注明确说明这个展示的遮挡比例为 80%，196 个 patch 中只保留 39 个可见；它与方法说明中常举的 75% 训练比例不是同一个陈述。
教师先让学生看输入，再揭示重建，最后给原图比较。原图本来就在材料中，所以被遮掉位置的像素可以直接形成目标。论文在被遮挡部分计算重建损失。可见块的输出仍可能不好，作者没有把可见原图块重新覆盖到重建图上；本课保留这一原始输出，包括模糊和错误。
MAE 的大编码器只处理可见 patch，较轻的解码器加入 mask token 后预测缺失内容。这使任务组织与执行成本发生联系，但重建图片看起来合理，并不自动证明下游分类、可靠常识或所有视觉任务已经解决。下一页转到独立的分类成绩比较。
MAE 固定 v3 原文，Figure 2，物理第2页。图像为论文内嵌像素的原样提取，不是课堂训练结果。
本页证据与条件
He 等 · MAE 2111.06377v3 Figure 2（p2）；论文输出；80% 遮挡，39/196 可见