動画内のマスキングを施された部分や欠落した部分を予測することで学習するアーキテクチャ「V-JEPA」をMetaが開発しました。このアーキテクチャをもって何らかの動画を生成することは不可能ですが、新たなモデルを開発するためのアプローチに利用できる可能性があるとされています。Revisiting Feature Prediction for Learning Visual Representations from Video | Research - AI at Metahttps://ai.meta.com/research/publicati