Meta 发布 V-JEPA：不生成像素也能看懂视频，训练效率最高翻 6 倍
Meta 推出非生成式视频模型 V-JEPA。它不在像素层面抠细节，而是在抽象特征空间预测被遮挡的视频内容，训练和样本效率比传统做法高出 1.5 到 6 倍。预训练完成后无需微调全部参数，只加一层轻量网络就能适配动作分类等多种任务。
Meta 推出非生成式视频模型 V-JEPA。它不在像素层面抠细节，而是在抽象特征空间预测被遮挡的视频内容，训练和样本效率比传统做法高出 1.5 到 6 倍。预训练完成后无需微调全部参数，只加一层轻量网络就能适配动作分类等多种任务。