通用视觉自监督研究报
A Daily Digest of Visual Self-Supervised Learning
2026-05-26 图像表征 · VFM · JEPA · 视频预训练
arXiv 新增 / 项目页 · P1 · 2026-05-26

LaMo：它和通用视觉自监督的关系在于：从无标注视频 latent change 中学习 motion prior，可迁移到视频预训练和世界模型

高相关；详见方法、贡献和实验边界。

LaMo　arXiv 新增 / 项目页　原文链接

编号2605.23878 优先级P1 类别arXiv 新增 / 项目页 会议arXiv 新增 / 项目页 方法从无标注视频 latent change 中学习 motion prior，可迁移到视频预训练和世界模型 来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：从无标注视频 latent change 中学习 motion prior，可迁移到视频预训练和世界模型。 高相关；详见方法、贡献和实验边界。

Figureure 2 · : LaMo Overview
Figureure 2 · : LaMo OverviewFigure 2: LaMo Overview. Frame-to-frame differences of clean VAE latents yield a self-supervised latent motion prior, exposed through two readouts: a macro motion drift used as a training-time Motion Drift Loss, and a lightweight learned micro motion field used at sampling as Motion Prior Guidance. Both share the backbone’s prompt conditioning and leave its architecture unchanged.这张图概括 LaMo 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。
Figureure 1 · : Existing approaches to physical realism rely on hand-crafted physics
Figureure 1 · : Existing approaches to physical realism rely on hand-crafted physicsFigure 1: Existing approaches to physical realism rely on hand-crafted physics simulators (Col. 2) or on foundation-model teachers and curated physics-annotated corpora (Col. 3), while the vanilla diffusion objective is inherently dominant by per-frame appearance (Col. 1). LaMo (Col. 4) instead surfaces this missing motion signal self-supervised from the same raw video data, via a our proposed Motion Drift Loss at training and a lightweight Motion Prior Guidance at inference.这张图来自论文 PDF 的结构化抽取。当前用于辅助理解 LaMo 的方法或实验，请结合正文精读段落一起看。

核心问题

它和通用视觉自监督的关系在于：从无标注视频 latent change 中学习 motion prior，可迁移到视频预训练和世界模型。

方法拆解

从无标注视频 latent change 中学习 motion prior，可迁移到视频预训练和世界模型

主要贡献

高相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。