LeVJEPA

LeVJEPA produces clip embeddings and spatial patch tokens from video.

Задачі: embeddings
Розміри: l at 224 px
Встановлення: pip install libreyolo
Рівень підтримки: Лише інференс, починаючи з v1.6.0. Лише передбачення, валідація та експорт. Функції навчання не застосовуються.
Першоджерело: LeVJEPA, автори: MLO Lab, ліцензія MIT code; CC-BY-NC-4.0 weights. Стаття, джерело
Ліцензії: Код: MIT, ваги: MIT code; CC-BY-NC-4.0 weights. Комерційне використання

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

Задача	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
Embeddings	Embeddings to ONNX: підтримується	Embeddings to TorchScript: підтримується	Embeddings to ExecuTorch: підтримується	Embeddings to TensorRT: підтримується	Embeddings to OpenVINO: підтримується	Embeddings to Paddle: не підтримується	Embeddings to MNN: не підтримується	Embeddings to RKNN: не підтримується	Embeddings to ncnn: не підтримується	Embeddings to TFLite: не підтримується	Embeddings to CoreML: не підтримується	Embeddings to Core AI: не підтримується

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

Файл	Ліцензія ваг
Embeddings
LibreLeVJEPAl-embed.pt	cc-by-nc-4.0

Кожен наведений вище файл уже доступний у організації LibreYOLO і завантажується під час першого використання.

Licensing

Перевіряйте ліцензію в репозиторії Hugging Face конкретних ваг, які завантажуєте. Кожна контрольна точка в організації LibreYOLO має ліцензію, і вона не завжди однакова для всього сімейства. Цей репозиторій є авторитетним джерелом, а наведене нижче резюме описує умови на момент останньої перевірки сторінки.

Це опис відповідних ліцензій, а не юридична консультація. Якщо відповідь має комерційне значення, самостійно прочитайте ліцензії та зверніться по юридичну консультацію.

Оригінальна робота: LeVJEPA, MLO Lab
Ліцензія першоджерела: MIT code; CC-BY-NC-4.0 weights
Джерело першоджерела: github.com/MLO-lab/LeVJEPA
Код LibreYOLO: MIT
Ваги: MIT code; CC-BY-NC-4.0 weights, повторно опубліковано на huggingface.co/LibreYOLO
Тлумачення: 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}, 
}

Скопійовано з блоку цитування авторів на сторінці raw.githubusercontent.com/MLO-lab/LeVJEPA/main/README.md.