TimeSformer是一种基于空间-时间注意力机制的视频分类模型,专门用于视频理解任务。
下载量 2,927
发布时间 : 10/7/2022
模型简介
该模型基于Kinetics-600数据集预训练,能够将视频分类为600种可能的类别。它采用了纯注意力机制处理视频数据,无需卷积操作。
模型特点
纯注意力机制
完全基于Transformer架构,使用空间-时间注意力处理视频数据,无需传统卷积操作
高效视频理解
专门设计用于处理视频序列数据,能够捕捉时空特征
大规模预训练
在Kinetics-600大型视频数据集上进行预训练,具有广泛的应用能力
模型能力
视频分类
时空特征提取
视频内容理解
使用案例
视频分析
动作识别
识别视频中的人类动作和行为
可识别Kinetics-600数据集中的600种动作类别
视频内容分类
对视频内容进行自动分类和标记
精选推荐AI模型
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

支持多种语言
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

英语
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
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文