X

Xclip Base Patch16 Zero Shot

Developed by microsoft
X-CLIP是CLIP的極簡擴展,用於通用視頻語言理解,通過對比方式在(視頻,文本)對上訓練,適用於零樣本、少樣本或全監督視頻分類以及視頻-文本檢索等任務。
Downloads 5,045
Release Time : 9/7/2022

Model Overview

X-CLIP模型(基礎尺寸,16x16的補丁分辨率)在Kinetics-400上訓練,適用於視頻分類和視頻-文本檢索任務。

Model Features

零樣本視頻分類
支持無需微調即可進行視頻分類任務。
視頻-文本對比學習
通過對比方式訓練,能夠理解視頻與文本之間的關係。
多數據集適用性
在HMDB-51、UCF101和Kinetics-600等多個數據集上表現良好。

Model Capabilities

視頻分類
視頻-文本檢索
零樣本學習

Use Cases

視頻理解
動作識別
識別視頻中的動作類別。
在UCF101上達到72.0%的top-1準確率。
視頻內容檢索
根據文本描述檢索相關視頻內容。
AIbase
Empowering the Future, Your AI Solution Knowledge Base
© 2025AIbase