%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Videomae Base Finetuned Deception Dataset
MCG-NJU/videomae-baseをベースに微調整した動画分析モデルで、詐欺検出タスクにおいて70.37%の精度を達成
動画処理
Transformers
TransformersV
NiklasTUM
36
0
Test With Sdfvd
MCG-NJU/videomae-baseをファインチューニングした動画理解モデルで、評価セットでのパフォーマンスは平均的（精度50%）
動画処理 Transformers
TransformersT
cocovani
16
0
Datatrain Videomae Base Finetuned Lr1e 07 Poly3
MCG-NJU/videomae-baseをベースにファインチューニングした動画理解モデル、未知のデータセットで訓練、精度は11.1%
動画処理 Transformers
TransformersD
EloiseInacio
13
0
Videomae Base Finetuned 1e 08 Bs4 Ep2
MCG-NJU/videomae-baseをベースにファインチューニングした動画理解モデルで、未知のデータセットでトレーニングされました
動画処理 Transformers
TransformersV
EloiseInacio
14
0
Model Timesformer Subset 02
TimeSformerアーキテクチャに基づく動画理解モデルで、未知のデータセットで微調整され、精度は88.52%
動画処理 Transformers
TransformersM
namnh2002
15
0
Videomae Base Finetuned Subset
MCG-NJU/videomae-baseモデルを未知のデータセットで微調整した動画理解モデル、精度67.13%達成
動画処理 Transformers
TransformersV
Joy28
2
0
Videomae Base Ipm All Videos
VideoMAEベースモデルを未知の動画データセットでファインチューニングした視覚モデルで、主に動画理解タスクに使用され、評価セットで85.59%の精度を達成しました。
動画処理 Transformers
TransformersV
rickysk
30
0
Videomae Huge Finetuned Kinetics
VideoMAEはマスクオートエンコーダ(MAE)に基づくビデオ事前学習モデルで、自己教師あり学習により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適しています。
動画処理 Transformers
TransformersV
MCG-NJU
2,984
4
Vit Base Patch16 224 In21k Mobile Eye Tracking Dataset V0
Apache-2.0
Google Vision Transformer (ViT)アーキテクチャを微調整した視線追跡画像分類モデル
画像分類 Transformers
TransformersV
julienmercier
24
2
Videomae Base Finetuned
MCG-NJU/videomae-baseを未知のデータセットでファインチューニングした動画理解モデルで、F1スコアは0.7147を達成
動画処理 Transformers
TransformersV
sheraz179
15
0
Videomae Base Finetuned
VideoMAEベースモデルを未知のデータセットで微調整した動画理解モデルで、評価セットで86.41%の精度を達成
動画処理 Transformers
TransformersV
LouisDT
15
0
Timesformer Hr Finetuned K400
TimeSformerは、空間-時間アテンションメカニズムに基づくビデオ理解モデルで、Kinetics-400データセットで事前学習とファインチューニングが行われています。
動画処理 Transformers
TransformersT
facebook
178
2
Xclip Base Patch16 Hmdb 4 Shot
MIT
X-CLIPはCLIPのミニマルな拡張で、汎用的なビデオ言語理解のために、(ビデオ、テキスト)ペアの対照学習方式でトレーニングされています。
ビデオ生成テキスト Transformers 英語
Transformers 英語X
microsoft
22
1
Videomae Base Finetuned Ssv2
VideoMAEはマスク自己符号化器(MAE)に基づく動画自己教師あり事前学習モデルで、Something-Something-v2データセットで動画分類タスク向けにファインチューニングされています。
動画処理 Transformers
TransformersV
MCG-NJU
951
6
Videomae Base Finetuned Kinetics
VideoMAEはマスクオートエンコーダ(MAE)に基づく動画自己教師あり事前学習モデルで、Kinetics-400データセットでファインチューニング後、動画分類タスクに使用可能です。
動画処理 Transformers
TransformersV
MCG-NJU
44.91k
34
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル Transformers 複数言語対応
Transformers 複数言語対応L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。
対話システム Transformers 英語
Transformers 英語C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98