non-contrastive

LeVLJEPA是首个完全非对比的端到端视觉语言预训练方法，无需负样本、温度参数或动量编码器，性能即可与CLIP和SigLIP相媲美。它通过跨模态预测（使用停止梯度目标）和每模态分布正则化进行学习，为下游任务（如VLM主干网络和语义分割）提供更强的密集语义特征。