许可证: "mit" 标签:

• 视觉
• 视频分类

ViViT (视频视觉变换器)

ViViT模型由Arnab等人在论文ViViT: 视频视觉变换器中提出，并首次发布于此代码库。

免责声明：发布ViViT的团队未为此模型编写模型卡，因此本模型卡由Hugging Face团队撰写。

模型描述

ViViT是对视觉变换器(ViT)的扩展，适用于视频处理。

具体细节请参阅论文。

预期用途与限制

该模型主要用于在下游任务（如视频分类）上进行微调。请访问模型中心查找您感兴趣任务的微调版本。

使用方法

代码示例请参考文档。

BibTeX条目及引用信息

@misc{arnab2021vivit,
      title={ViViT: A Video Vision Transformer}, 
      author={Anurag Arnab and Mostafa Dehghani and Georg Heigold and Chen Sun and Mario Lučić and Cordelia Schmid},
      year={2021},
      eprint={2103.15691},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}