Timesformer Large Finetuned K400

🚀 TimeSformer (大型モデル、Kinetics - 400でファインチューニング済み)

TimeSformerモデルは、Kinetics - 400で事前学習されています。このモデルは、Tongらによる論文TimeSformer: Is Space - Time Attention All You Need for Video Understanding?で紹介され、最初はthis repositoryで公開されました。

免責事項: TimeSformerを公開したチームはこのモデルのモデルカードを作成していないため、このモデルカードはfcakyonによって作成されました。

🚀 クイックスタート

このモデルは、動画分類に使用できます。具体的には、400種類のKinetics - 400ラベルのいずれかに動画を分類することができます。

✨ 主な機能

• 事前学習済みのTimeSformerモデルを使用して、動画を400種類のKinetics - 400ラベルに分類することができます。

📦 インストール

このセクションでは、インストールに関する具体的なコマンドが提供されていないため、このセクションをスキップします。

💻 使用例

基本的な使用法

from transformers import AutoImageProcessor, TimesformerForVideoClassification
import numpy as np
import torch

video = list(np.random.randn(96, 3, 224, 224))

processor = AutoImageProcessor.from_pretrained("fcakyon/timesformer-large-finetuned-k400")
model = TimesformerForVideoClassification.from_pretrained("fcakyon/timesformer-large-finetuned-k400")

inputs = processor(video, return_tensors="pt")

with torch.no_grad():
  outputs = model(**inputs)
  logits = outputs.logits

predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

高度な使用法

より多くのコード例については、ドキュメントを参照してください。

📚 ドキュメント

このモデルの詳細なドキュメントについては、こちらを参照してください。

🔧 技術詳細

このセクションでは、具体的な技術詳細が提供されていないため、このセクションをスキップします。

📄 ライセンス

このモデルは、CC - BY - NC - 4.0ライセンスの下で提供されています。

BibTeXエントリと引用情報

@inproceedings{bertasius2021space,
  title={Is Space-Time Attention All You Need for Video Understanding?},
  author={Bertasius, Gedas and Wang, Heng and Torresani, Lorenzo},
  booktitle={International Conference on Machine Learning},
  pages={813--824},
  year={2021},
  organization={PMLR}
}