/ Модель

Характеристики

Лицензия
cc
Архитектура
marlin · dense
Базовая модель
MARLIN
Библиотека
transformers
Опубликована
30 мар 2025

marlin_vit_base_ytf

ЭмбеддингиТекст → embedding3 профессии

MARLIN ViT Base YTF извлекает векторные признаки из видеопоследовательностей лиц для последующего анализа.

114скачиваний за 30 дней1лайквеса обновлены30 мар 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MARLIN ViT Base YTF — модель извлечения признаков из видеопоследовательностей лиц, основанная на подходе Masked Autoencoder for facial video Representation Learning. Репозиторий ControlNet/marlin_vit_base_ytf содержит вариант семейства MARLIN, подготовленный для работы через Transformers; архитектура в метаданных указана как плотная MarlinModel, веса сохранены в safetensors. По README, модель принимает видеотензор формы [B, C, T, H, W] и возвращает последовательность признаковых векторов.

Модель предназначена для получения представлений лицевого видео, которые можно использовать как вход для последующих задач анализа видео. Карточка Hugging Face выполняет только извлечение признаков: предварительная обработка видео, включая обнаружение и кадрирование лица, а также выбор окон кадров, должна быть выполнена отдельно. Базовая модель — ControlNet/MARLIN, лицензия указана как CC; конкретные условия лицензии в предоставленных данных не уточнены.

Сценарии применения

  • извлечение признаков лиц из видеоклипов
  • подготовка представлений лицевого видео для классификатора
  • кодирование кадров лица для последующего анализа видеопоследовательности

Ограничения

Модель не выполняет предварительную обработку видео: обнаружение и кадрирование лица и выбор окон кадров нужно реализовать отдельно. Она выдаёт признаки, а не готовые метки или пользовательский анализ.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MARLIN: Masked Autoencoder for facial video Representation LearnINg

This repo is the official PyTorch implementation for the paper MARLIN: Masked Autoencoder for facial video Representation LearnINg (CVPR 2023) (arXiv).

Use transformers (HuggingFace) for Feature Extraction

Requirements:

  • Python
  • PyTorch
  • transformers
  • einops

Currently the huggingface model is only for direct feature extraction without any video pre-processing (e.g. face detection, cropping, strided window, etc).

import torch
from transformers import AutoModel

model = AutoModel.from_pretrained(
    "ControlNet/marlin_vit_base_ytf",  # or other variants
    trust_remote_code=True
)
tensor = torch.rand([1, 3, 16, 224, 224])  # (B, C, T, H, W)
output = model(tensor)  # torch.Size([1, 1568, 384])

License

This project is under the CC BY-NC 4.0 license. See LICENSE for details.

References

If you find this work useful for your research, please consider citing it.

@inproceedings{cai2022marlin,
  title = {MARLIN: Masked Autoencoder for facial video Representation LearnINg},
  author = {Cai, Zhixi and Ghosh, Shreya and Stefanov, Kalin and Dhall, Abhinav and Cai, Jianfei and Rezatofighi, Hamid and Haffari, Reza and Hayat, Munawar},
  booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
  year = {2023},
  month = {June},
  pages = {1493-1504},
  doi = {10.1109/CVPR52729.2023.00150},
  publisher = {IEEE},
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
MarlinModel
Ревизия весов
4155145

0 моделей