/ Модель
Каталог

Характеристики

Параметры
113 млн
Лицензия
CC BY-NC 4.0
Архитектура
videomae · dense
Базовая модель
videomae-base-finetuned-kinetics
Библиотека
transformers
Опубликована
28 ноя 2025

Ссылки

Hugging Face

VideoMAE_Kinetics_wlasl_100_longtail_200_signer

Shawon16
Классификация видеоВидео → label3 профессии

Дообученная VideoMAE для классификации видео, с указанными метриками оценки на выборке.

15скачиваний за 30 дней0лайковвеса обновлены28 ноя 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

VideoMAE_Kinetics_wlasl_100_longtail_200_signer — модель для классификации видео, дообученная на базе MCG-NJU/videomae-base-finetuned-kinetics. Она использует архитектуру VideoMAE и содержит 113,2 млн параметров. Название указывает на возможную связь с WLASL и распознаванием жестового языка, однако карточка не описывает датасет, классы или назначение модели подробнее, поэтому эти сведения нельзя подтвердить.

Модель принимает видео и выдаёт метку класса. На оценочной выборке указаны accuracy 0,6982 и loss 1,4501; состав и размер выборки не приведены. Лицензия — CC BY-NC 4.0, допускающая использование с соблюдением её условий, но ограничивающая коммерческое применение.

Сценарии применения

  • классификация видеоклипов по обученным классам
  • оценка модели классификации видео на собственной выборке
  • эксперименты с дообучением VideoMAE для видеоклассификации

Ограничения

Описание датасета, классов, обучающих данных и предполагаемых сценариев отсутствует; указанные метрики нельзя интерпретировать без сведений о составе оценочной выборки. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейIV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VideoMAE_Kinetics_wlasl_100_longtail_200_signer

This model is a fine-tuned version of MCG-NJU/videomae-base-finetuned-kinetics on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.4501
  • Accuracy: 0.6982

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 8
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • training_steps: 36000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracy
18.52480.0051804.61340.0148
18.42591.00503604.58450.0355
18.09262.00505404.48420.0444
16.93063.00507214.21670.1302
15.43124.0059013.83320.2426
13.40995.005010813.46580.3195
11.41516.005012613.06170.4260
9.3187.005014422.71680.5059
7.50078.00516222.37070.5858
5.72949.005018022.03650.6450
4.244510.005019821.83530.6479
3.000811.005021631.58790.6686
2.112612.00523431.47050.6805
1.404813.005025231.35850.6657
0.93414.005027031.26500.7041
0.617215.005028841.14490.7367
0.475516.00530641.14900.6805
0.314517.005032441.12200.7041
0.24318.005034241.11760.7101
0.230519.005036051.10770.7071
0.150420.00537851.19200.6982
0.134221.005039651.22740.7012
0.074422.005041451.25040.7101
0.140423.005043261.22450.7130
0.101924.00545061.30000.7101
0.074625.005046861.27380.7041
0.114426.005048661.33950.6953
0.123827.005050471.16830.7071
0.098928.00552271.32870.7071
0.09729.005054071.55450.6775
0.100430.005055871.36140.7041
0.106231.005057681.51660.6923
0.161732.00559481.30350.6923
0.123533.005061281.59190.6568
0.139534.005063081.42110.6746
0.10935.005064891.45010.6982

Framework versions

  • Transformers 4.46.1
  • Pytorch 2.5.1+cu124
  • Datasets 3.1.0
  • Tokenizers 0.20.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · video-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
VideoMAEForVideoClassification
Ревизия весов
7325eef

0 моделей

    Создать бенчмарк