OccJEPA：把遮挡当掩码做无模态视频分割

Genpei Zhang 等人发布 OccJEPA，把视频中的遮挡视为掩码：用预训练的 V-JEPA 2.1 预测器补全被遮挡的时空 token，再由轻量解码头输出无模态掩码。作者称，该方法速度比基于扩散模型的 SOTA 快 33.5 倍且结果确定，在 SAIL-VOS、TAO-Amodal（含留出测试集 +4.00 AP50）和 Kubric 上更准确。 作者称，性能增益来自预测器的预训练权重而非模型容量，方法覆盖 87M 至 1.85B 参数的世界模型。代码已开源。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。