AIbase
TW
模型選型
標籤
時空建模

# 時空建模

Vjepa2 Vitl Fpc64 256
MIT
V-JEPA 2是Meta旗下FAIR團隊開發的前沿視頻理解模型，擴展了VJEPA的預訓練目標，具備業界領先的視頻理解能力。
視頻處理 Transformers
V
facebook
109
27
Videomaev2 Base
VideoMAEv2-Base是基於自監督學習的視頻特徵提取模型，採用雙重掩碼機制在UnlabeldHybrid-1M數據集上預訓練。
視頻處理
V
OpenGVLab
3,565
5
Chat UniVi
Chat-UniVi是一個統一視覺表徵的大語言模型，能夠同時理解圖像和視頻內容。
圖像生成文本 Transformers
C
Chat-UniVi
12.10k
17
Vivit B 16x2 Kinetics400
MIT
ViViT是對視覺變換器(ViT)的擴展，適用於視頻處理，特別適合視頻分類任務。
視頻處理 Transformers
V
google
56.94k
32
Vivit B 16x2
MIT
ViViT是對視覺變換器(ViT)的擴展，適用於視頻處理，主要用於視頻分類等下游任務。
視頻處理 Transformers
V
google
989
11
Videomae Base
VideoMAE是基於掩碼自編碼器(MAE)的視頻自監督預訓練模型，通過預測被掩碼視頻塊的像素值學習視頻內部表示。
視頻處理 Transformers
V
MCG-NJU
48.66k
45
Videomae Large
VideoMAE是基於掩碼自編碼器(MAE)的視頻自監督預訓練模型，通過預測掩碼視頻塊的像素值學習視頻表徵
視頻處理 Transformers
V
MCG-NJU
3,243
31
Video Classification Cnn Rnn
基於CNN-RNN混合架構的視頻分類模型，用於動作識別任務
視頻處理
V
keras-io
57
14
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase