Athit Timesformer 32PS
TimeSformer是基於空間-時間注意力機制的視頻理解模型,在Kinetics-400數據集上進行了微調,可用於視頻分類任務。
下載量 17
發布時間 : 2/23/2024
模型概述
該模型主要用於將視頻分類為400種可能的Kinetics-400標籤之一,採用了純注意力機制處理視頻的時空信息。
模型特點
純注意力機制
完全基於注意力機制處理視頻的時空信息,無需卷積操作
高效視頻理解
能夠有效捕捉視頻中的時空特徵,實現準確的視頻分類
預訓練模型
已在大型視頻數據集Kinetics-400上進行預訓練和微調
模型能力
視頻分類
時空特徵提取
視頻內容理解
使用案例
視頻分析
動作識別
識別視頻中的人類動作和行為
可分類400種不同的動作類別
視頻內容分類
對視頻內容進行自動分類和標記
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98