LeVJEPA

LeVJEPA produces clip embeddings and spatial patch tokens from video.

Tareas: embeddings
Tamaños: l at 224 px
Instalación: pip install libreyolo
Nivel de compatibilidad: Solo inferencia, desde v1.6.0. Solo permite predecir, validar y exportar. Las funciones de entrenamiento no se aplican.
Proyecto original: LeVJEPA de MLO Lab, MIT code; CC-BY-NC-4.0 weights. Artículo, fuente
Licencias: Código MIT, pesos MIT code; CC-BY-NC-4.0 weights. Uso comercial

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

Tarea	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
Embeddings	Embeddings to ONNX: compatible	Embeddings to TorchScript: compatible	Embeddings to ExecuTorch: compatible	Embeddings to TensorRT: compatible	Embeddings to OpenVINO: compatible	Embeddings to Paddle: no compatible	Embeddings to MNN: no compatible	Embeddings to RKNN: no compatible	Embeddings to ncnn: no compatible	Embeddings to TFLite: no compatible	Embeddings to CoreML: no compatible	Embeddings to Core AI: no compatible

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

Archivo	Licencia de los pesos
Embeddings
LibreLeVJEPAl-embed.pt	cc-by-nc-4.0

Todos los archivos anteriores existen hoy en la organización de LibreYOLO y se descargan la primera vez que se usan.

Licensing

Comprueba la licencia en el repositorio de Hugging Face de los pesos concretos que descargues. Cada checkpoint de la organización de LibreYOLO incluye una, y no siempre es la misma en toda una familia. Ese repositorio es la fuente autorizada; el resumen siguiente describe qué se aplicaba cuando se verificó esta página por última vez.

Esta es una descripción de las licencias implicadas, no asesoramiento legal. Si la respuesta es importante a nivel comercial, lee las licencias y busca tu propio asesoramiento.

Trabajo original: LeVJEPA, MLO Lab
Licencia del proyecto original: MIT code; CC-BY-NC-4.0 weights
Fuente del proyecto original: github.com/MLO-lab/LeVJEPA
Código de LibreYOLO: MIT
Pesos: MIT code; CC-BY-NC-4.0 weights, republicados en huggingface.co/LibreYOLO
Interpretación: 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}, 
}

Copiado del bloque de cita de los autores en raw.githubusercontent.com/MLO-lab/LeVJEPA/main/README.md.