解码阶段恢复位置，再预测内容；目标从原图来，误差只在隐藏集合比较。
4个编码结果和12个共享mask加位置线索进入解码器；输出是16个符号像素预测，橙框只标隐藏位置，原图小图为目标。
来到解码阶段，编码结果和缺失位置的占位向量一起形成完整的位置集合。解码器根据这些信息预测像素，训练时拿原图中被隐藏的内容作目标。 于是答案的来源很清楚：我们先把它挡住，再让模型预测，不需要另外请人标“这是一只猫”。原始 MAE 的损失计算在被遮住的图块上，不能只靠复制已经看见的部分完成任务。 更重要的是，预训练结束后，我们关心的是留下的编码器表示；为重建服务的解码器不必成为后续分类或检测系统的一部分。这也解释了为什么编码端和解码端可以承担不同重量。接下来要问：重建完成得好，是否就说明留下的表示什么都适合？
用4个位置缩小算例。原位置是[0,1,2,3]，随机顺序为[2,0,3,1]，取前两项进入编码器。得到[z2,z0]后，解码阶段先加两个mask项：[z2,z0,M,M]。逆排列为[1,3,0,2]，按它取值后成为[z0,M,z2,M]。
这时我们只是恢复了“谁在什么位置”。位置1和3仍未知，M不是正确像素；解码器要结合可见内容及各位置线索作预测，再与原图相应位置比较。
如果忘了逆排列，模型可能把正确形状放到错误坐标，loss也会对错位置。LAB 08的索引热身正好检查这个对应关系；后面的卷积重建才包含参数学习。不要把数组重排成功写成模型学会了补图。
M 为共享学习向量，各位置还需位置线索；h 为相应可见块的编码结果（进入解码前可投影维度）。ŷ_i 是预测像素向量的符号占位，图中的原图小图是监督目标而不是重建结果。展示未归一化像素MSE；原论文亦比较逐块像素归一化目标。loss 的求和与平均仅在隐藏位置。
已知位置、未知内容和用于比较的原图，是三种不同对象。
令隐藏集合为 ，每个patch含P个像素值。一个清晰的口径是先在patch内平均，再在隐藏patch间平均：。16块中隐藏12块时，外层分母就是12。
若把已知可见像素直接拼回预测图，它们误差天然为零。此时对整图平均会使指标更小，却没有改善隐藏预测。图像面板可以为方便阅读拼回可见真值，但必须说明；数值则继续评价隐藏集合。
原论文还讨论对每个patch的像素做归一化后作为目标。比较不同实验时，要同时核对预测位置、像素缩放及归一化；同样叫“MSE”的数，分母和目标一变就未必可比。
以下为备课用模拟对话，不是实际课堂记录。
学生：“遮住的地方没有像素，为什么解码器还有16项？”
教师：“我们不知道内容，但知道问题要问哪个位置。可见位置放编码表示，隐藏位置放共同的mask占位，再给每项自己的位置线索。占位不是答案，位置告诉模型答案该落在哪儿。”
学生：“既然原图有答案，为什么不直接把它送进去？”
教师：“原图由损失端保存。若把隐藏像素作为输入，模型就可能复制，遮挡任务被取消了。看图时把编码器入口和损失比较端分开。”
学生：“补得像原图，就算学会分类了吗？”
教师：“那说明重建这件事做得更好。下一页再冻住编码器，另用标签做读出；只有测到那份结果，才能说明表示对分类有用。”
先手算四位置逆排列与分母，再读模拟问答。理解位置后才进入LAB 08重建与误差图。