TimeSformer是一种基于空间-时间注意力机制的视频理解模型,在Kinetics-400数据集上进行了预训练和微调。
下载量 178
发布时间 : 10/7/2022
模型简介
该模型主要用于视频分类任务,能够将视频分类为400种可能的Kinetics-400标签之一。
模型特点
空间-时间注意力机制
采用纯注意力机制处理视频中的空间和时间信息,无需卷积操作。
高分辨率处理能力
该变体支持高分辨率视频输入,能够捕捉更精细的视觉特征。
大规模预训练
在Kinetics-400大规模视频数据集上进行预训练,具有强大的泛化能力。
模型能力
视频分类
动作识别
视频内容分析
使用案例
视频内容理解
动作识别
识别视频中的人类动作和行为
可识别400种不同的动作类别
视频分类
对视频内容进行分类和标注
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