Meta 推出 V-JEPA 2：基于视频的物理推理世界模型

Meta 推出了一款基于视频的新型世界模型，V-JEPA 2，是为提升机器在物理环境中的理解、预测和规划能力。该模型扩展了联合嵌入预测架构（JEPA）框架，并通过视频数据进行训练，以在嵌入空间中预测结果。 该模型的训练分为两个阶段。第一阶段，使用超过一百万小时的视频和一百万张图像进行无动作标签的自监

本文链接