Dit is de Linux-app vJEPA-2, waarvan de nieuwste versie kan worden gedownload als vjepa2sourcecode.tar.gz. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
Download en voer online deze app met de naam vJEPA-2 met OnWorks gratis uit.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start de OnWorks Linux online of Windows online emulator of MACOS online emulator vanaf deze website.
- 5. Ga vanuit het OnWorks Linux-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie, installeer hem en voer hem uit.
SCHERMSCHERMEN:
vJEPA-2
BESCHRIJVING:
VJEPA2 is een next-generation zelf-supervised learning framework voor video dat het idee van "voorspellen in representatieruimte" van i-JEPA uitbreidt naar het temporele domein. In plaats van pixels te reconstrueren, voorspelt het de ontbrekende high-level embeddings van gemaskeerde ruimte-tijdregio's met behulp van een contextencoder en een langzaam bijgewerkte targetencoder. Deze doelstelling moedigt het model aan om semantiek, beweging en langeafstandsstructuur te leren zonder de shortcuts die pixelverliezen met zich meebrengen. De architectuur is ontworpen om te schalen: spatiotemporele ViT-backbones, flexibele maskeringsschema's en efficiënte sampling maken het mogelijk om te trainen op lange clips en tegelijkertijd stabiel te blijven. Getrainde representaties zijn goed overdraagbaar naar downstream-taken zoals actieherkenning, temporele lokalisatie en video-opvraging, vaak met eenvoudige lineaire probes of lichtfine-tuning. De repository bevat doorgaans end-to-end recepten: datapijplijnen, augmentatiebeleid, trainingsscripts en evaluatie-harnassen.
Kenmerken
- Voorspellend leren in de inbedding van ruimte voor gemaskeerde ruimte-tijdregio's
- Context- en EMA-doel-encoders voor stabiele, zelf-gesuperviseerde training
- Spatiotemporele ViT-backbones met schaalbare maskeringsstrategieën
- Sterke overdracht met lineaire probes op standaard videobenchmarks
- Efficiënte training zonder pixelreconstructie of negatieve paren
- Kant-en-klare datapijplijnen en evaluatiescripts voor snelle reproductie
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/vjepa-2.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.