/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

timesformer_wlasl100_200epoch_Signers

Shawon16
Классификация видеоВидео → label3 профессии

Дообученная VideoMAE-модель для классификации видео, вероятно связанная с распознаванием жестов из WLASL100.

16скачиваний за 30 дней0лайковвеса обновлены27 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

Это дообученная модель VideoMAE-base объёмом 113,2 млн параметров, опубликованная пользователем Shawon16. Она предназначена для классификации видео; название репозитория указывает на связь с набором WLASL100 и распознаванием жестов, однако README не подтверждает детали датасета или классов.

Модель принимает видео и выдаёт метку класса. В README приведены результаты на оценочном наборе: accuracy 0,0148 и loss 4,6213, что указывает на очень низкую точность в описанной оценке. Модель распространена в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • классификация видеороликов по категориям
  • эксперименты с распознаванием жестов на видео
  • оценка классификатора видео на пользовательском наборе данных

Ограничения

В README указаны низкие результаты оценки: accuracy 0,0148 и loss 4,6213; датасет, классы и назначение модели описаны недостаточно подробно. Лицензия CC BY-NC 4.0 запрещает 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

timesformer_wlasl100_200epoch_Signers

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

  • Loss: 4.6213
  • Accuracy: 0.0148

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: 180
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracy
18.67251.01804.62130.0148

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
b312366

0 моделей

    Создать бенчмарк