LeAVJEPA:单共享编码器做音视频自监督学习,无类别标签即学通用表征

RT @arnosolin: 🔥 #LeAVJEPA:一个从声音与视觉做自监督学习的简单方案 🔥

仅用一个共享编码器,无需类别标签即可训练。丢掉一个模态后,音频与视频会学到共同的表征。
🧵 https://t.co/PRYmAwDOpJ