Text-Conditional JEPA for Learning Semantically Rich Visual Representations
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Huang, Chen, Li, Xianhang, Thilak, Vimal, Littwin, Etai, Susskind, Josh |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Rethinking JEPA: Compute-Efficient Video SSL with Frozen Teachers
par: Li, Xianhang, et autres
Publié: (2025)
par: Li, Xianhang, et autres
Publié: (2025)
Enhancing JEPAs with Spatial Conditioning: Robust and Efficient Representation Learning
par: Littwin, Etai, et autres
Publié: (2024)
par: Littwin, Etai, et autres
Publié: (2024)
How JEPA Avoids Noisy Features: The Implicit Bias of Deep Linear Self Distillation Networks
par: Littwin, Etai, et autres
Publié: (2024)
par: Littwin, Etai, et autres
Publié: (2024)
How PARTs assemble into wholes: Learning the relative composition of images
par: Ayoughi, Melika, et autres
Publié: (2025)
par: Ayoughi, Melika, et autres
Publié: (2025)
Vanishing Gradients in Reinforcement Finetuning of Language Models
par: Razin, Noam, et autres
Publié: (2023)
par: Razin, Noam, et autres
Publié: (2023)
Learning Visual-Semantic Subspace Representations
par: Moreira, Gabriel, et autres
Publié: (2024)
par: Moreira, Gabriel, et autres
Publié: (2024)
Aggregate-and-Adapt Natural Language Prompts for Downstream Generalization of CLIP
par: Huang, Chen, et autres
Publié: (2024)
par: Huang, Chen, et autres
Publié: (2024)
DART: Denoising Autoregressive Transformer for Scalable Text-to-Image Generation
par: Gu, Jiatao, et autres
Publié: (2024)
par: Gu, Jiatao, et autres
Publié: (2024)
Matryoshka Diffusion Models
par: Gu, Jiatao, et autres
Publié: (2023)
par: Gu, Jiatao, et autres
Publié: (2023)
Normalizing Trajectory Models
par: Gu, Jiatao, et autres
Publié: (2026)
par: Gu, Jiatao, et autres
Publié: (2026)
Rectified LpJEPA: Joint-Embedding Predictive Architectures with Sparse and Maximum-Entropy Representations
par: Kuang, Yilun, et autres
Publié: (2026)
par: Kuang, Yilun, et autres
Publié: (2026)
Improving GFlowNets for Text-to-Image Diffusion Alignment
par: Zhang, Dinghuai, et autres
Publié: (2024)
par: Zhang, Dinghuai, et autres
Publié: (2024)
KerJEPA: Kernel Discrepancies for Euclidean Self-Supervised Learning
par: Zimmermann, Eric, et autres
Publié: (2025)
par: Zimmermann, Eric, et autres
Publié: (2025)
Understanding the Effect of using Semantically Meaningful Tokens for Visual Representation Learning
par: Kalibhat, Neha, et autres
Publié: (2024)
par: Kalibhat, Neha, et autres
Publié: (2024)
Unsqueeze [CLS] Bottleneck to Learn Rich Representations
par: Su, Qing, et autres
Publié: (2024)
par: Su, Qing, et autres
Publié: (2024)
Semantic Positive Pairs for Enhancing Visual Representation Learning of Instance Discrimination Methods
par: Alkhalefi, Mohammad, et autres
Publié: (2023)
par: Alkhalefi, Mohammad, et autres
Publié: (2023)
Expressive Text-to-Image Generation with Rich Text
par: Ge, Songwei, et autres
Publié: (2023)
par: Ge, Songwei, et autres
Publié: (2023)
Semantic Concentration for Self-Supervised Dense Representations Learning
par: Wen, Peisong, et autres
Publié: (2025)
par: Wen, Peisong, et autres
Publié: (2025)
T-MARS: Improving Visual Representations by Circumventing Text Feature Learning
par: Maini, Pratyush, et autres
Publié: (2023)
par: Maini, Pratyush, et autres
Publié: (2023)
Proxy-FDA: Proxy-based Feature Distribution Alignment for Fine-tuning Vision Foundation Models without Forgetting
par: Huang, Chen, et autres
Publié: (2025)
par: Huang, Chen, et autres
Publié: (2025)
Mixed Autoencoder for Self-supervised Visual Representation Learning
par: Chen, Kai, et autres
Publié: (2023)
par: Chen, Kai, et autres
Publié: (2023)
Semimage: HSV-Based Semantic Image Encoding for Disentangled Text Representation
par: Zare, Mohammad
Publié: (2025)
par: Zare, Mohammad
Publié: (2025)
Learning Semantic Proxies from Visual Prompts for Parameter-Efficient Fine-Tuning in Deep Metric Learning
par: Ren, Li, et autres
Publié: (2024)
par: Ren, Li, et autres
Publié: (2024)
ZeroDiff: Solidified Visual-Semantic Correlation in Zero-Shot Learning
par: Ye, Zihan, et autres
Publié: (2024)
par: Ye, Zihan, et autres
Publié: (2024)
BRo-JEPA: Learning Modular Arithmetic in Latent Space
par: Jha, Divyansh, et autres
Publié: (2026)
par: Jha, Divyansh, et autres
Publié: (2026)
Not Only Text: Exploring Compositionality of Visual Representations in Vision-Language Models
par: Berasi, Davide, et autres
Publié: (2025)
par: Berasi, Davide, et autres
Publié: (2025)
Learning Sparse Visual Representations via Spatial-Semantic Factorization
par: Zhao, Theodore Zhengde, et autres
Publié: (2026)
par: Zhao, Theodore Zhengde, et autres
Publié: (2026)
Unified Text-Image-to-Video Generation: A Training-Free Approach to Flexible Visual Conditioning
par: Lai, Bolin, et autres
Publié: (2025)
par: Lai, Bolin, et autres
Publié: (2025)
The Coupling Within: Flow Matching via Distilled Normalizing Flows
par: Berthelot, David, et autres
Publié: (2026)
par: Berthelot, David, et autres
Publié: (2026)
Factorized Latent Dynamics for Video JEPA: An Empirical Study of Auxiliary Objectives
par: Premi, Santosh
Publié: (2026)
par: Premi, Santosh
Publié: (2026)
Semantic Residual for Multimodal Unified Discrete Representation
par: Huang, Hai, et autres
Publié: (2024)
par: Huang, Hai, et autres
Publié: (2024)
UI-JEPA: Towards Active Perception of User Intent through Onscreen User Activity
par: Fu, Yicheng, et autres
Publié: (2024)
par: Fu, Yicheng, et autres
Publié: (2024)
Improving Forward Compatibility in Class Incremental Learning by Increasing Representation Rank and Feature Richness
par: Kim, Jaeill, et autres
Publié: (2024)
par: Kim, Jaeill, et autres
Publié: (2024)
STARFlow-V: End-to-End Video Generative Modeling with Normalizing Flows
par: Gu, Jiatao, et autres
Publié: (2025)
par: Gu, Jiatao, et autres
Publié: (2025)
Learning from Imperfect Text Guidance: Robust Long-Tail Visual Recognition with High-Noise Label
par: Li, Mengke, et autres
Publié: (2026)
par: Li, Mengke, et autres
Publié: (2026)
Unveiling the Backbone-Optimizer Coupling Bias in Visual Representation Learning
par: Li, Siyuan, et autres
Publié: (2024)
par: Li, Siyuan, et autres
Publié: (2024)
SEMIR: Semantic Minor-Induced Representation Learning on Graphs for Visual Segmentation
par: Miller, Luke James, et autres
Publié: (2026)
par: Miller, Luke James, et autres
Publié: (2026)
Capturing Context-Aware Route Choice Semantics for Trajectory Representation Learning
par: Cao, Ji, et autres
Publié: (2025)
par: Cao, Ji, et autres
Publié: (2025)
Automated Learning of Semantic Embedding Representations for Diffusion Models
par: Jiang, Limai, et autres
Publié: (2025)
par: Jiang, Limai, et autres
Publié: (2025)
Visual Imitation Learning with Calibrated Contrastive Representation
par: Wang, Yunke, et autres
Publié: (2024)
par: Wang, Yunke, et autres
Publié: (2024)
Documents similaires
-
Rethinking JEPA: Compute-Efficient Video SSL with Frozen Teachers
par: Li, Xianhang, et autres
Publié: (2025) -
Enhancing JEPAs with Spatial Conditioning: Robust and Efficient Representation Learning
par: Littwin, Etai, et autres
Publié: (2024) -
How JEPA Avoids Noisy Features: The Implicit Bias of Deep Linear Self Distillation Networks
par: Littwin, Etai, et autres
Publié: (2024) -
How PARTs assemble into wholes: Learning the relative composition of images
par: Ayoughi, Melika, et autres
Publié: (2025) -
Vanishing Gradients in Reinforcement Finetuning of Language Models
par: Razin, Noam, et autres
Publié: (2023)