LeVJEPA

LeVJEPA produces clip embeddings and spatial patch tokens from video.

Zadania: embeddings
Rozmiary: l at 224 px
Instalacja: pip install libreyolo
Poziom obsługi: Tylko inferencja, od wersji v1.6.0. Tylko predykcja, walidacja i eksport. Funkcje trenowania nie mają zastosowania.
Projekt źródłowy: LeVJEPA, autorzy: MLO Lab, licencja: MIT code; CC-BY-NC-4.0 weights. Publikacja, kod źródłowy
Licencje: Kod: MIT, wagi: MIT code; CC-BY-NC-4.0 weights. Użycie komercyjne

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

Zadanie	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
Embeddings	Embeddings to ONNX: obsługiwane	Embeddings to TorchScript: obsługiwane	Embeddings to ExecuTorch: obsługiwane	Embeddings to TensorRT: obsługiwane	Embeddings to OpenVINO: obsługiwane	Embeddings to Paddle: brak obsługi	Embeddings to MNN: brak obsługi	Embeddings to RKNN: brak obsługi	Embeddings to ncnn: brak obsługi	Embeddings to TFLite: brak obsługi	Embeddings to CoreML: brak obsługi	Embeddings to Core AI: brak obsługi

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

Plik	Licencja wag
Embeddings
LibreLeVJEPAl-embed.pt	cc-by-nc-4.0

Każdy z powyższych plików jest obecnie dostępny w organizacji LibreYOLO i pobierany przy pierwszym użyciu.

Licensing

Sprawdź licencję w repozytorium konkretnych pobieranych wag na Hugging Face. Każdy checkpoint w organizacji LibreYOLO ma licencję, która nie zawsze jest taka sama w całej rodzinie. To repozytorium jest źródłem rozstrzygającym, a poniższe podsumowanie opisuje stan z chwili ostatniej weryfikacji tej strony.

To opis obowiązujących licencji, a nie porada prawna. Jeśli odpowiedź ma znaczenie komercyjne, przeczytaj licencje i zasięgnij własnej porady prawnej.

Oryginalna praca: LeVJEPA, MLO Lab
Licencja projektu źródłowego: MIT code; CC-BY-NC-4.0 weights
Kod źródłowy projektu: github.com/MLO-lab/LeVJEPA
Kod LibreYOLO: MIT
Wagi: MIT code; CC-BY-NC-4.0 weights, ponownie opublikowane w huggingface.co/LibreYOLO
Interpretacja: 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}, 
}

Skopiowano z bloku cytowania autorów w raw.githubusercontent.com/MLO-lab/LeVJEPA/main/README.md.