Internvideo2 Stage2 6B

🚀 InternVideo2 6Bモデル（ステージ2）

このリポジトリには、論文 InternVideo2 のステージ2における6Bモデルが含まれています。このモデルはビデオ分類タスクに特化しており、高い性能を発揮します。

🚀 クイックスタート

このセクションでは、InternVideo2 6Bモデルの基本的な使い方を説明します。

📦 インストール

インストール手順については、こちら を参照してください。

💻 使用例

基本的な使用法

import cv2
from transformers import AutoModel
from modeling_internvideo2 import (retrieve_text, vid2tensor, _frame_from_video,)


model = AutoModel.from_pretrained("OpenGVLab/InternVideo2-Stage2_6B", trust_remote_code=True).eval()

video = cv2.VideoCapture('example1.mp4')
frames = [x for x in _frame_from_video(video)]
text_candidates = ["A playful dog and its owner wrestle in the snowy yard, chasing each other with joyous abandon.",
                "A man in a gray coat walks through the snowy landscape, pulling a sleigh loaded with toys.",
                "A person dressed in a blue jacket shovels the snow-covered pavement outside their house.",
                "A cat excitedly runs through the yard, chasing a rabbit.",
                "A person bundled up in a blanket walks through the snowy landscape, enjoying the serene winter scenery."]

texts, probs = retrieve_text(frames, text_candidates, model=model, topk=5)
for t, p in zip(texts, probs):
    print(f'text: {t} ~ prob: {p:.4f}')

vidtensor = vid2tensor('example1.mp4', fnum=4)
feat = model.get_vid_feat(vidtensor)

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています。