Copertina

Learning and Leveraging World Models in Visual Representation Learning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Garrido, Quentin, Assran, Mahmoud, Ballas, Nicolas, Bardes, Adrien, Najman, Laurent, LeCun, Yann
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Intuitive physics understanding emerges from self-supervised pretraining on natural videos
di: Garrido, Quentin, et al.
Pubblicazione: (2025)

Revisiting Feature Prediction for Learning Visual Representations from Video
di: Bardes, Adrien, et al.
Pubblicazione: (2024)

Learning Latent Action World Models In The Wild
di: Garrido, Quentin, et al.
Pubblicazione: (2026)

Gaussian Embeddings: How JEPAs Secretly Learn Your Data Density
di: Balestriero, Randall, et al.
Pubblicazione: (2025)

V-JEPA 2.1: Unlocking Dense Features in Video Self-Supervised Learning
di: Mur-Labadia, Lorenzo, et al.
Pubblicazione: (2026)

Stochastic positional embeddings improve masked image modeling
di: Bar, Amir, et al.
Pubblicazione: (2023)

Video Representation Learning with Joint-Embedding Predictive Architectures
di: Drozdov, Katrina, et al.
Pubblicazione: (2024)

Learning by Reconstruction Produces Uninformative Features For Perception
di: Balestriero, Randall, et al.
Pubblicazione: (2024)

LeJEPA: Provable and Scalable Self-Supervised Learning Without the Heuristics
di: Balestriero, Randall, et al.
Pubblicazione: (2025)

Variance-Covariance Regularization Improves Representation Learning
di: Zhu, Jiachen, et al.
Pubblicazione: (2023)

Navigation World Models
di: Bar, Amir, et al.
Pubblicazione: (2024)

Blockwise Self-Supervised Learning at Scale
di: Siddiqui, Shoaib Ahmed, et al.
Pubblicazione: (2023)

Scaling Language-Free Visual Representation Learning
di: Fan, David, et al.
Pubblicazione: (2025)

World Models for Learning Dexterous Hand-Object Interactions from Human Videos
di: Goswami, Raktim Gautam, et al.
Pubblicazione: (2025)

Modeling Caption Diversity in Contrastive Vision-Language Pretraining
di: Lavoie, Samuel, et al.
Pubblicazione: (2024)

What Drives Success in Physical Planning with Joint-Embedding Predictive World Models?
di: Terver, Basile, et al.
Pubblicazione: (2025)

A Lightweight Library for Energy-Based Joint-Embedding Predictive Architectures
di: Terver, Basile, et al.
Pubblicazione: (2026)

V-JEPA 2: Self-Supervised Video Models Enable Understanding, Prediction and Planning
di: Assran, Mido, et al.
Pubblicazione: (2025)

URLOST: Unsupervised Representation Learning without Stationarity or Topology
di: Yun, Zeyu, et al.
Pubblicazione: (2023)

A Shortcut-aware Video-QA Benchmark for Physical Understanding via Minimal Video Pairs
di: Krojer, Benno, et al.
Pubblicazione: (2025)

Forgotten Polygons: Multimodal Large Language Models are Shape-Blind
di: Rudman, William, et al.
Pubblicazione: (2025)

Transformers without Normalization
di: Zhu, Jiachen, et al.
Pubblicazione: (2025)

Whole-Body Conditioned Egocentric Video Prediction
di: Bai, Yutong, et al.
Pubblicazione: (2025)

Transforming gradient-based techniques into interpretable methods
di: Rodrigues, Caroline Mazini, et al.
Pubblicazione: (2024)

Explaning with trees: interpreting CNNs using hierarchies
di: Rodrigues, Caroline Mazini, et al.
Pubblicazione: (2024)

Hierarchical World Models as Visual Whole-Body Humanoid Controllers
di: Hansen, Nicklas, et al.
Pubblicazione: (2024)

VEDIT: Latent Prediction Architecture For Procedural Video Representation Learning
di: Lin, Han, et al.
Pubblicazione: (2024)

Causal-JEPA: Learning World Models through Object-Level Latent Masking
di: Nam, Heejeong, et al.
Pubblicazione: (2026)

Advancing human-centric AI for robust X-ray analysis through holistic self-supervised learning
di: Moutakanni, Théo, et al.
Pubblicazione: (2024)

Fine-Tuning Large Vision-Language Models as Decision-Making Agents via Reinforcement Learning
di: Zhai, Yuexiang, et al.
Pubblicazione: (2024)

Representation Learning with Adaptive Superpixel Coding
di: Khalil, Mahmoud, et al.
Pubblicazione: (2025)

A hierarchical loss and its problems when classifying non-hierarchically
di: Wu, Cinna, et al.
Pubblicazione: (2017)

Interpreting Physics in Video World Models
di: Joseph, Sonia, et al.
Pubblicazione: (2026)

Representation Learning for Spatiotemporal Physical Systems
di: Qu, Helen, et al.
Pubblicazione: (2026)

UNO: Unifying One-stage Video Scene Graph Generation via Object-Centric Visual Representation Learning
di: Le, Huy, et al.
Pubblicazione: (2025)

A World Model of Radiologist Reading for Medical Image Representation Learning
di: Li, Yiwei, et al.
Pubblicazione: (2026)

Leveraging Unsupervised Learning for Cost-Effective Visual Anomaly Detection
di: Long, Yunbo, et al.
Pubblicazione: (2024)

Cluster Contrast for Unsupervised Visual Representation Learning
di: Giakoumoglou, Nikolaos, et al.
Pubblicazione: (2025)

DuoFormer: Leveraging Hierarchical Visual Representations by Local and Global Attention
di: Tang, Xiaoya, et al.
Pubblicazione: (2024)

Eyes Wide Shut? Exploring the Visual Shortcomings of Multimodal LLMs
di: Tong, Shengbang, et al.
Pubblicazione: (2024)