Xclip Base Patch16 Zero Shot
X
Xclip Base Patch16 Zero Shot
Developed by microsoft
X-CLIP是CLIP的极简扩展,用于通用视频语言理解,通过对比方式在(视频,文本)对上训练,适用于零样本、少样本或全监督视频分类以及视频-文本检索等任务。
Downloads 5,045
Release Time : 9/7/2022
Model Overview
X-CLIP模型(基础尺寸,16x16的补丁分辨率)在Kinetics-400上训练,适用于视频分类和视频-文本检索任务。
Model Features
零样本视频分类
支持无需微调即可进行视频分类任务。
视频-文本对比学习
通过对比方式训练,能够理解视频与文本之间的关系。
多数据集适用性
在HMDB-51、UCF101和Kinetics-600等多个数据集上表现良好。
Model Capabilities
视频分类
视频-文本检索
零样本学习
Use Cases
视频理解
动作识别
识别视频中的动作类别。
在UCF101上达到72.0%的top-1准确率。
视频内容检索
根据文本描述检索相关视频内容。
Featured Recommended AI Models
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers Supports Multiple Languages

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers English

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 Chinese
R
uer
2,694
98