X

Xclip Base Patch16 Kinetics 600

由microsoft開發
X-CLIP是CLIP的擴展版本,用於通用的視頻語言理解,通過對比學習在(視頻,文本)對上訓練。
下載量 294
發布時間 : 9/8/2022

模型概述

該模型是基礎尺寸的X-CLIP模型,使用16x16的補丁分辨率,在Kinetics-600數據集上進行了全監督訓練。適用於視頻分類和視頻-文本檢索任務。

模型特點

視頻語言理解
通過對比學習在視頻和文本對上訓練,支持視頻與文本的匹配判斷。
高準確率
在Kinetics 400數據集上達到85.3%的前1準確率和97.1%的前5準確率。
零樣本和少樣本學習
支持零樣本、少樣本或全監督的視頻分類任務。

模型能力

視頻分類
視頻-文本檢索
零樣本學習
少樣本學習

使用案例

視頻分析
視頻內容分類
對視頻內容進行分類,識別視頻中的動作或場景。
在Kinetics 400數據集上表現優異。
視頻-文本匹配
判斷給定文本是否與視頻內容匹配。
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase