Newest papers

WildMAE: Structure-Aware Masked Autoencoding for Wildlife Image Reconstruction

Yicheng Zhang, Yujie Jin, Ke Zhang, Jiaxin Wu · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28590 · open-access PDF

French

Les images de piège de caméra présentent une variation substantielle de l'apparence animale, de l'éclairage, de la confusion de fond et de la dégradation visuelle. Les auto-codage masqués (MAEs) offrent un cadre exempt d'étiquette pour modéliser de telles données par la reconstruction de patchs d'image cachés au hasard. Nous présentons WildMAE, une extension du côté décodeur de MAE qui combine le raffinement local conscient de la structure avec l'attention croisée masquée à visible. Un chemin résiduel convolutionnel à zéro porte introduit un voisinage bidimensionnel avant, tandis que l'attention croisée de porte permet aux positions masquées de récupérer des informations contextuelles à partir de positions visibles.

Machine translation (Meta M2M100); the English original follows.

Abstract

Camera-trap imagery presents substantial variation in animal appearance, illumination, background clutter, and visual degradation. Masked autoencoders (MAEs) offer a label-free framework for modeling such data through reconstruction of randomly hidden image patches. We present WildMAE, a decoder-side extension of MAE that combines local structure-aware refinement with masked-to-visible cross-attention. A zero-gated convolutional residual path introduces a two-dimensional neighborhood prior, while gated cross-attention allows masked positions to retrieve contextual information from visible-posi

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange