LeVJEPA

LeVJEPA produces clip embeddings and spatial patch tokens from video.

Tâches: embeddings
Tailles: l at 224 px
Installer: pip install libreyolo
Niveau de support: Inférence uniquement, depuis v1.6.0. Prédiction, validation et export uniquement. Les fonctionnalités d'entraînement ne s'appliquent pas.
Origine: LeVJEPA par MLO Lab, MIT code; CC-BY-NC-4.0 weights. Article, source
Licences: Code MIT, poids MIT code; CC-BY-NC-4.0 weights. Usage commercial

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

Tâche	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
Embeddings	Embeddings to ONNX : pris en charge	Embeddings to TorchScript : pris en charge	Embeddings to ExecuTorch : pris en charge	Embeddings to TensorRT : pris en charge	Embeddings to OpenVINO : pris en charge	Embeddings to Paddle : non pris en charge	Embeddings to MNN : non pris en charge	Embeddings to RKNN : non pris en charge	Embeddings to ncnn : non pris en charge	Embeddings to TFLite : non pris en charge	Embeddings to CoreML : non pris en charge	Embeddings to Core AI : non pris en charge

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

Fichier	Licence des poids
Embeddings
LibreLeVJEPAl-embed.pt	cc-by-nc-4.0

Tous les fichiers ci-dessus sont actuellement disponibles dans l<link>organisation LibreYOLO</link> et sont téléchargés à la première utilisation.

Licensing

Vérifiez la licence dans le dépôt Hugging Face des poids précis que vous téléchargez. Chaque checkpoint de l<link>organisation LibreYOLO</link> en possède une, et elles ne sont pas toujours identiques au sein dune même famille. Ce dépôt fait autorité ; le résumé ci-dessous décrit les conditions applicables lors de la dernière vérification de cette page.

Ceci décrit les licences concernées et ne constitue pas un conseil juridique. Si la réponse a une importance commerciale, lisez vous-même les licences et consultez votre propre avocat.

Travail d'origine: LeVJEPA, MLO Lab
Licence du projet d'origine: MIT code; CC-BY-NC-4.0 weights
Source du projet d'origine: github.com/MLO-lab/LeVJEPA
Code de LibreYOLO: MIT
Poids: MIT code; CC-BY-NC-4.0 weights, republiés sur huggingface.co/LibreYOLO
Interprétation: 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}, 
}

Copié depuis le bloc de citation des auteurs sur raw.githubusercontent.com/MLO-lab/LeVJEPA/main/README.md.