StreamMAE 把 MAE 搬到连续视频流上：在 WT++95h 上 Cityscapes 达 74.0 mIoU，追平同数据 i.i.d. 预训练
作者构建了 95 小时城市步行游览视频数据集 WT++，在严格滑窗、不打乱、不多轮回放的流式设定下评测 MoCo v3、DINO 与 MAE，发现对比与自蒸馏方法明显落后、MAE 更稳健但仍不及 i.i.d. 预训练，并通过受控实验把差距归因于批内高相似度而非批间相似度，进而提出保留 MAE 重建目标、加入流感知正则与运动偏置裁剪的 StreamMAE，使其超过流式基线、追平同数据 i.i.d. MAE，并随预训练流从 12 小时增至 95 小时持续提升。