AIbase

时空建模
Videomaev2 Base
VideoMAEv2-Base是基于自监督学习的视频特征提取模型，采用双重掩码机制在UnlabeldHybrid-1M数据集上预训练。
视频处理
V
OpenGVLab
3,565
5
Chat UniVi
Chat-UniVi是一个统一视觉表征的大语言模型，能够同时理解图像和视频内容。
图像生成文本
Transformers
C
Chat-UniVi
12.10k
17
Vivit B 16x2 Kinetics400
MIT
ViViT是对视觉变换器(ViT)的扩展，适用于视频处理，特别适合视频分类任务。
视频处理
Transformers
V
google
56.94k
32
Vivit B 16x2
MIT
ViViT是对视觉变换器(ViT)的扩展，适用于视频处理，主要用于视频分类等下游任务。
视频处理
Transformers
V
google
989
11
Videomae Base
VideoMAE是基于掩码自编码器(MAE)的视频自监督预训练模型，通过预测被掩码视频块的像素值学习视频内部表示。
视频处理
Transformers
V
MCG-NJU
48.66k
45
Videomae Large
VideoMAE是基于掩码自编码器(MAE)的视频自监督预训练模型，通过预测掩码视频块的像素值学习视频表征
视频处理
Transformers
V
MCG-NJU
3,243
31
Video Classification Cnn Rnn
基于CNN-RNN混合架构的视频分类模型，用于动作识别任务
视频处理
V
keras-io
57
14