# ビデオ行動認識

VideoMAEベースモデルをUCF101サブセットでファインチューニングしたビデオ分類モデル

VideoMAEベースモデルをUCF101行動認識データセットのサブセットでファインチューニングしたビデオ理解モデル

TimeSformer-HRは、高解像度ビデオに最適化され、Kinetics-600データセットでファインチューニングされたビデオ行動認識モデルです。

TimeSformer-HRは、ビデオベースの高解像度時空間Transformerモデルで、Kinetics-400データセットでファインチューニングされており、ビデオ行動認識タスクに適しています。

TimeSformerはTransformerベースのビデオ理解モデルで、時系列行動認識タスクに最適化されています。

TimeSformerはTransformerアーキテクチャに基づくビデオ理解モデルで、ビデオ分類タスクに特化しています。

TimeSformerはTransformerベースのビデオ理解モデルで、Kinetics-400データセット向けに特別にファインチューニングされています。

ViViTアーキテクチャに基づくビデオ行動認識モデルで、CCTV監視シナリオ向けに微調整されており、行動認識タスクで優れた性能を発揮します。

VideoMAEアーキテクチャに基づくビデオ分類モデル、店舗での窃盗行為検出用に微調整

VideoMAEアーキテクチャに基づくビデオ行動認識モデルで、転倒検知タスクに特化してファインチューニングされています

TimeSformerは空間-時間注意メカニズムに基づくビデオ理解モデルで、Kinetics-400データセットでファインチューニングされており、ビデオ分類タスクに使用できます。

TimeSformerアーキテクチャに基づくビデオ行動認識モデルで、Kinetics-400データセットで事前学習され、UCF101データセットでファインチューニングされています

TimeSformerアーキテクチャに基づくビデオ分類モデルで、Kinetics-400データセットで事前学習され、UCF101データセットでファインチューニングされ、LoRA技術を用いた継続学習が行われています。

VideoMAEはマスク自己符号化器(MAE)に基づくビデオ自己教師あり事前学習モデルで、Something-Something V2データセットでビデオ分類タスク用にファインチューニングされています。

VideoMAEベースモデルをUCF101サブセットでファインチューニングしたビデオ分類モデル

VideoMAEベースモデルをUCF101サブセットでファインチューニングしたビデオ理解モデル、精度95.71%達成

VideoMAEベースモデルをUCF101サブセットでファインチューニングしたビデオ分類モデル、精度95.22%達成

VideoMAEアーキテクチャに基づくビデオ理解モデルで、RWF-2000データセットでファインチューニングされ、暴力行為検出タスクに使用されます

TimeSformerは、空間-時間注意メカニズムに基づくビデオ分類モデルで、ビデオ理解タスク専用に設計されています。

TimeSformerは空間-時間注意メカニズムに基づく動画分類モデルで、Kinetics-600データセットでファインチューニングされています。

TimeSformerは、空間-時間注意メカニズムに基づくビデオ分類モデルで、Kinetics-400データセットに特化してファインチューニングされています。

TimeSformerは時空間アテンション機構に基づくビデオ理解モデルで、高解像度バリアントはKinetics-600データセット向けに特別にファインチューニングされています。

VideoMAE BaseモデルをUCF101データセットでファインチューニングしたビデオ行動認識モデル

VideoMAEアーキテクチャに基づくビデオ分類モデルで、UCF101サブセットでファインチューニングされ、精度は85.16%

TimeSformerは、空間-時間注意メカニズムに基づくビデオ分類モデルで、ビデオ理解タスク専用に設計されています。