星の質量は星の特性や進化を決定する基本的な量ですが、若い星が高密度のガスに覆われているため、星形成領域での質量推定は困難です。本研究では、自己教師ありフレームワークDINOv2を使用して、100万枚の合成フラクタル画像でビジョントランスフォーマーを事前学習し、その後に限られた高解像度の磁気流体力学（MHD）シミュレーションに適用しました。結果として、合成事前学習が固定特徴回帰による星質量予測を改善し、事前学習モデルは同じシミュレーションに基づく教師ありモデルよりもわずかに優れた性能を示しました。主成分分析により、抽出された特徴が意味のある構造を持ち、ラベルデータやファインチューニングなしで星形成領域の無監視セグメンテーションを可能にすることが示唆されました。