/ Модель

Характеристики

Лицензия
CC BY-NC-ND 4.0
Библиотека
transformers
Опубликована
11 авг 2026

CausalVLM

Компьютерное зрениеВидео, текст → текст

CausalVLM описывает события в видео с временными отметками и предсказывает граф предпосылок между ними.

0скачиваний за 30 дней0лайковвеса обновлены11 авг 2026

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

CausalVLM — модель для плотного описания событий в видео и построения причинного графа между ними. Для видео формирует описания событий с временными отметками и указывает, какие события являются предпосылками других.

Модель предназначена для анализа последовательности событий и их причинных связей в видеозаписях. В README приведён пример запуска через Transformers и получения списка событий и причинных рёбер.

Сценарии применения

  • создание подробных временных описаний событий в видео
  • выявление порядка и предпосылок событий в видеозаписи
  • анализ последовательности действий на видео

Ограничения

В карточке не приведены сведения о точности и языковой поддержке. Лицензия CC BY-NC-ND 4.0 ограничивает коммерческое использование и распространение производных материалов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CausalVLM

Dense Causal Captioning (DCC): joint dense event captioning + causal-graph prediction for video.

CausalVLM produces timestamped dense event descriptions for a video and predicts a causal (prerequisite) graph over those events.

Usage

from huggingface_hub import snapshot_download
d = snapshot_download("causalvlm/CausalVLM")
import sys; sys.path.insert(0, d)
from modeling_causalvlm import CausalVLM

model = CausalVLM(d, device="cuda")
out = model.run("my_video.mp4")
for t, desc in out["events"]:
    print(f"[{t:.1f}s] {desc}")
print("causal edges:", out["causal_edges"])

Example output (illustrative)

[t1s] <event 1 description>
[t2s] <event 2 description>
[t3s] <event 3 description>
causal edges: [(1, 2), (2, 3)]

Each (i, j) edge means event i is a prerequisite of event j.

License

CC BY-NC-ND 4.0.

Citation

(anonymous — under review)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
c80765e

0 моделей