← 世界模型 / 从表征到预测图像块之间的表征预测I-JEPA · 原文 Fig. 3 · p.3 ↗
正式发表 / World Models
I-JEPA
Self-Supervised Learning From Images With a Joint-Embedding Predictive Architecture
CVPR · 2023CCF A
快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗
关键框架 FRAMEWORK
上下文编码器只处理可见区域,预测器利用位置 token 预测目标块的表征;目标编码器通过指数移动平均更新。
- 01编码可见上下文
- 02预测目标块特征
- 03与目标编码器对齐
THE IDEA
它在解决什么
从图像中可见区域预测被遮挡区域的表征,学习语义视觉特征。
WHY READ IT
为什么放在这条路线
先理解目标编码器、遮挡策略和表征预测,再进入视频与机器人动力学。
READ WITH A QUESTION
读的时候,留意什么
这是图像自监督表征学习,不应直接等同于带动作条件的机器人未来预测器。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器