Voir la source de Architecture prédictive à vecteurs sémantiques joints pour les images

== Définition ==
Architecture ou modèle qui apprend en créant un représentation sémantique interne (représentation latente ou espace latent) du monde extérieur permettant la comparaison de représentations abstraites d’images. L'APPVSJ-I offre de bonnes performances dans la réalisation de plusieurs tâches de [[vision artificielle]].

== Compléments == 
L'architecture prédictive à vecteurs sémantiques joints, proposée par la société Meta, serait plus efficace en termes de calcul que d'autres modèles courants de vision artificielle et s'adapterait plus facilement à des situations inconnues. 

== Français ==
'''architecture prédictive à vecteurs sémantiques joints pour les images'''

'''APPVSJ-I'''

'''modèle prédictif à plongements joints pour les images'''

'''APPJ-I'''

== Anglais ==
'''  image joint embedding predictive architecture'''

'''I-JEPA'''

<!--Learns by creating an internal model of the outside world, which compares abstract representations of images (rather than comparing the pixels themselves). I-JEPA delivers strong performance on multiple computer vision tasks, and it’s much more computationally efficient than other widely used computer vision models. The representations learned by I-JEPA can also be used for many different applications without needing extensive fine tuning.-->==Sources==

[https://ai.facebook.com/blog/yann-lecun-ai-model-i-jepa   Source : meta]

[https://intelligence-artificielle.developpez.com/actu/345580/I-JEPA-le-premier-modele-d-IA-base-sur-la-vision-de-Yann-LeCun-le-scientifique-en-chef-de-Meta-specialise-dans-l-IA-pour-une-IA-plus-proche-de-l-humain/  Source: developpez.com ] 

[https://project.inria.fr/bigvisdata/files/2021/01/cours10.pdf  Source: INRIA]

[[Catégorie:GRAND LEXIQUE FRANÇAIS]]