LeVJEPA

LeVJEPA produces clip embeddings and spatial patch tokens from video.

Tác vụ: embeddings
Kích thước: l at 224 px
Cài đặt: pip install libreyolo
Bậc hỗ trợ: Chỉ suy luận, từ v1.6.0. Chỉ dự đoán, kiểm định và xuất. Không áp dụng các tính năng huấn luyện.
Thượng nguồn: LeVJEPA của MLO Lab, MIT code; CC-BY-NC-4.0 weights. Bài báo, mã nguồn
Giấy phép: Mã nguồn MIT, trọng số MIT code; CC-BY-NC-4.0 weights. Sử dụng thương mại

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

Tác vụ	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
Embeddings	Embeddings to ONNX: được hỗ trợ	Embeddings to TorchScript: được hỗ trợ	Embeddings to ExecuTorch: được hỗ trợ	Embeddings to TensorRT: được hỗ trợ	Embeddings to OpenVINO: được hỗ trợ	Embeddings to Paddle: không được hỗ trợ	Embeddings to MNN: không được hỗ trợ	Embeddings to RKNN: không được hỗ trợ	Embeddings to ncnn: không được hỗ trợ	Embeddings to TFLite: không được hỗ trợ	Embeddings to CoreML: không được hỗ trợ	Embeddings to Core AI: không được hỗ trợ

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

Tệp	Giấy phép trọng số
Embeddings
LibreLeVJEPAl-embed.pt	cc-by-nc-4.0

Mọi tệp ở trên hiện đều có trong tổ chức LibreYOLO và được tải xuống trong lần sử dụng đầu tiên.

Licensing

Hãy kiểm tra giấy phép trong repo Hugging Face của trọng số cụ thể mà bạn tải xuống. Mỗi checkpoint trong tổ chức LibreYOLO đều có giấy phép riêng và giấy phép có thể khác nhau trong cùng một họ. Repo đó là nguồn có thẩm quyền; phần tóm tắt dưới đây mô tả các điều khoản áp dụng khi trang này được kiểm chứng lần gần nhất.

Đây là phần mô tả các giấy phép liên quan, không phải tư vấn pháp lý. Nếu câu trả lời có ý nghĩa về mặt thương mại, hãy tự đọc các giấy phép và tham khảo cố vấn của riêng bạn.

Công trình gốc: LeVJEPA, MLO Lab
Giấy phép thượng nguồn: MIT code; CC-BY-NC-4.0 weights
Nguồn thượng nguồn: github.com/MLO-lab/LeVJEPA
Mã nguồn LibreYOLO: MIT
Trọng số: MIT code; CC-BY-NC-4.0 weights, được phát hành lại tại huggingface.co/LibreYOLO
Diễn giải: 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}, 
}

Được sao chép từ khối trích dẫn của tác giả tại raw.githubusercontent.com/MLO-lab/LeVJEPA/main/README.md.