コース

LeVJEPA：動画を先生にする

Yann LeCun の JEPA 構想から出発し、共有エンコーダー、SIGReg、ランダムなトークン削減、ブロック因果注意を、図と小さな実験で学ぶ。

モジュール: 7 モジュール
レッスン: 34 レッスン
目安: 目安 18時間
対象: 対象: 自己教師あり動画学習が初めての人と、論文・実装・学習条件・主張の根拠まで確かめたいエンジニアや研究者。

まずは一枚絵

同じ動画大きな窓と小さな窓
同じ機械短い要約にする
近づける同じ場面は似る
広げる全部を一点にしない
少しだけ見るトークンを95%落とす
時を守る未来はのぞかない

LeVJEPA の肝は部品の多さではありません。同じ場面は同じ意味にしつつ、すべてを同じ答えにはしない。その二つです。

道ばたの演奏を、子どもが二つの窓から見ています。広い窓には楽団全体が映り、細い筒からはドラマーの手だけが見えます。それでも「同じ演奏だ」と分かってほしいところです。だからといって、どの動画にも「何かが動く」とだけ書けば、要約札は役に立ちません。

LeVJEPA は、同じ動画から作った大域・局所視点の要約を不変性損失で近づけます。一方、SIGRegが、全要約が一点へ潰れるのを防ぎます。学習時には動画トークンの95%を無作為に捨て、各フレームは現在と過去しか読めません。計算グラフは短いものです。しかし、短いことと雑なことは違います。この講座では、短い線の一本一本まで確かめます。

どこから読むか

**まず話が分かればよい：**第0–8、13–14、19–20、27章を読めば、直感と証拠の境界を一周できます。
**手を動かしたい：**さらに第9–15、21–26章へ進み、付録BとDを脇に置いて照合します。
**研究につなげたい：**全章を読み、第16–20章の比較作法を第28–29章へ持ち込みます。

この講座の四つの約束

**名前をごまかしません。**LeVJEPA は2026年の動画表現法であり、LeJEPA、V-JEPA 2、LeWorldModel とは別物です。
**計算グラフをごまかしません。**目的関数に目標エンコーダー、予測器、勾配停止はありません。公式実装の Polyak/EMA 重みは評価用チェックポイントであり、教師枝ではありません。
数字から条件を切り離しません。「速い」「高精度」には、データ集合、モデル規模、周回数または FLOP 予算、プローブの評価手順を添えます。
**将来像を実験結果にしません。**因果的な動画エンコーダーは逐次知覚や世界モデルの土台になり得ます。しかし、LeVJEPA 自体には行動条件付き予測器、費用、計画器がありません。

証拠の締切

本シリーズが確認した情報は **2026-09-05（Asia/Tokyo）**までです。中心となる一次資料は LeVJEPA arXiv v1、公式プロジェクトページ、固定した公式リポジトリ 3ea0dda、固定版モデルカード e831a03 です。論文は2026-08-27公開の予稿です。本シリーズの数値は著者報告として扱います。コードと重みが公開されていても、第三者による再現の代わりにはなりません。

コース進捗

コース目次

34レッスン中 34件を公開中

第0部―まず地図を広げる

名前と守備範囲、研究史の中の位置を押さえ、自分に合う読み方を選びます。

第1部―簡単な目的で、なぜ動画が分かるのか

ラベルなし学習、表現の照合、表現崩壊を順に見て、二つの損失が引っ張り合う理由を学びます。

第2部―一本の動画を一台のエンコーダーへ

実際のテンソルを追い、多視点、トークン、ViT、投影ヘッド、疎な観測、因果注意を結びます。

第3部―実験を読めてこそ、論文を読んだと言える

アブレーション、計算予算、公平な比較、評価用プローブ、著者報告を分け、一つの派手な数字に振り回されない読み方を学びます。

第4部―公式リポジトリから自分の実験へ

公開重みで入口を確かめ、使える資源に合わせてデータ、学習、診断、独自評価へ進みます。

第5部―表現を世界モデル構想へ戻す

LeCun の長期構想に置き直し、完成したエンコーダーと、これから必要な予測・行動・計画を分けます。

付録―必要なときに開く技術リュック

数式、形、用語、歴史、再現の証拠を、本編の隣にまとめます。