LeVJEPA

LeVJEPA produces clip embeddings and spatial patch tokens from video.

Aufgaben: embeddings
Größen: l at 224 px
Installation: pip install libreyolo
Supportstufe: Nur Inferenz, seit v1.6.0. Nur Vorhersage, Validierung und Export. Trainingsfunktionen sind nicht verfügbar.
Upstream: LeVJEPA von MLO Lab, MIT code; CC-BY-NC-4.0 weights. Publikation, Quelle
Lizenzen: Code MIT, Gewichte MIT code; CC-BY-NC-4.0 weights. Kommerzielle Nutzung

Install

bash

pip install "libreyolo"

Predict

Python

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreLeVJEPAl-embed.pt", device="cpu")result = model(SAMPLE_IMAGE)print(result.embeddings)print(model.embed_tokens(SAMPLE_IMAGE).shape)

The encoder uses 16 frames at 224 pixels. Finite videos use a centered window sampled at approximately 7.5 FPS. embed_tokens() exposes patch tokens. Training is not supported. The TorchScript graph requires direct clip input with batch 1. Pretrained weights are CC-BY-NC-4.0.

Export

Aufgabe	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
Embeddings	Embeddings to ONNX: unterstützt	Embeddings to TorchScript: unterstützt	Embeddings to ExecuTorch: unterstützt	Embeddings to TensorRT: unterstützt	Embeddings to OpenVINO: unterstützt	Embeddings to Paddle: nicht unterstützt	Embeddings to MNN: nicht unterstützt	Embeddings to RKNN: nicht unterstützt	Embeddings to ncnn: nicht unterstützt	Embeddings to TFLite: nicht unterstützt	Embeddings to CoreML: nicht unterstützt	Embeddings to Core AI: nicht unterstützt

Python

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreLeVJEPAl-embed.pt", device="cpu")model.export(format="onnx")

Export setup lists format dependencies and loading exported artifacts.

Checkpoints

Datei	Lizenz der Gewichte
Embeddings
LibreLeVJEPAl-embed.pt	cc-by-nc-4.0

Jede oben aufgeführte Datei ist heute in der LibreYOLO-Organisation verfügbar und wird bei der ersten Verwendung heruntergeladen.

Licensing

Prüfe die Lizenz im Hugging-Face-Repository der konkreten Gewichte, die du herunterlädst. Jeder Checkpoint in der LibreYOLO-Organisation hat eine Lizenz, und sie ist innerhalb einer Familie nicht immer gleich. Dieses Repository ist die maßgebliche Quelle. Die Zusammenfassung unten beschreibt den Stand bei der letzten Verifizierung dieser Seite.

Dies ist eine Beschreibung der beteiligten Lizenzen und keine Rechtsberatung. Wenn die Antwort kommerziell relevant ist, lies die Lizenzen selbst und hole eigenen Rechtsrat ein.

Originalarbeit: LeVJEPA, MLO Lab
Upstream-Lizenz: MIT code; CC-BY-NC-4.0 weights
Upstream-Quelle: github.com/MLO-lab/LeVJEPA
LibreYOLO-Code: MIT
Gewichte: MIT code; CC-BY-NC-4.0 weights, erneut unter huggingface.co/LibreYOLO veröffentlicht
Einordnung: The repository declares an explicit CC-BY-NC-4.0 exception for pretrained weights. Commercial use of those weights is excluded.

Citation

@misc{kuhn2026levjepaefficientscalable,
      title={LeVJEPA: Efficient & Scalable Video Pretraining without the Heuristics}, 
      author={Lukas Kuhn and Lucas Maes and Giuseppe Serra and Quentin Le Lidec and Yann LeCun and Randall Balestriero and Florian Buettner},
      year={2026},
      eprint={2608.27395},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2608.27395}, 
}

Aus dem Zitierblock der Autoren unter raw.githubusercontent.com/MLO-lab/LeVJEPA/main/README.md kopiert.