提出联合学习编码器与预测器的视觉表示方法

受感知直线化假设（人类视觉系统将自然视频转换为更直线的内部表示）启发，我们引入了一个简单的修复：联合学习编码器和预测器（JEPA风格），并对潜在轨迹的曲率进行正则化。