LeVJEPA

LeVJEPA produces clip embeddings and spatial patch tokens from video.

Tarefas: embeddings
Tamanhos: l at 224 px
Instalação: pip install libreyolo
Nível de suporte: Somente inferência, desde a v1.6.0. Somente predição, validação e exportação. Os recursos de treinamento não se aplicam.
Origem: LeVJEPA por MLO Lab, MIT code; CC-BY-NC-4.0 weights. Artigo, código-fonte
Licenças: 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

Tarefa	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
Embeddings	Embeddings to ONNX: compatível	Embeddings to TorchScript: compatível	Embeddings to ExecuTorch: compatível	Embeddings to TensorRT: compatível	Embeddings to OpenVINO: compatível	Embeddings to Paddle: incompatível	Embeddings to MNN: incompatível	Embeddings to RKNN: incompatível	Embeddings to ncnn: incompatível	Embeddings to TFLite: incompatível	Embeddings to CoreML: incompatível	Embeddings to Core AI: incompatível

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

Arquivo	Licença dos pesos
Embeddings
LibreLeVJEPAl-embed.pt	cc-by-nc-4.0

Todos os arquivos acima existem hoje na organização LibreYOLO e são baixados no primeiro uso.

Licensing

Confira a licença no repositório do Hugging Face correspondente aos pesos que você baixar. Cada checkpoint na organização LibreYOLO tem uma licença, e ela nem sempre é a mesma em toda a família. Esse repositório é a fonte oficial. O resumo abaixo descreve o que se aplicava na última verificação desta página.

Esta é uma descrição das licenças envolvidas, não uma orientação jurídica. Se a resposta tiver importância comercial, leia as licenças e procure sua própria assessoria.

Trabalho original: LeVJEPA, MLO Lab
Licença original: MIT code; CC-BY-NC-4.0 weights
Código-fonte original: github.com/MLO-lab/LeVJEPA
Código do LibreYOLO: MIT
Pesos: MIT code; CC-BY-NC-4.0 weights, republicado em huggingface.co/LibreYOLO
Interpretação: 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 do bloco de citação dos autores em raw.githubusercontent.com/MLO-lab/LeVJEPA/main/README.md.