Характеристики

Параметры: 113 млн
Лицензия: CC BY-NC 4.0
Архитектура: videomae · dense
Базовая модель: videomae-base
Библиотека: transformers
Опубликована: 11 окт 2026

Ссылки

Hugging Face

videomae-base-finetuned-ucf101-subset

emacgonz

Классификация видеоВидео → label

Дообученная VideoMAE-модель классифицирует видеоклипы по действиям и классам.

20скачиваний за 30 дней0лайковвеса обновлены11 окт 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

VideoMAE-base-finetuned-ucf101-subset — видеомодель для классификации роликов, дообученная на базе MCG-NJU/videomae-base. Она использует архитектуру VideoMAEForVideoClassification и содержит 113,2 млн параметров. Репозиторий хранит веса в формате safetensors и рассчитан на работу с библиотекой Transformers.

Модель предназначена для отнесения видеоклипов к классам действий. В README приведены результаты оценки: loss 0,4778 и accuracy 0,8258; название указывает на UCF101-subset, но карточка описывает обучающую выборку как неизвестный датасет, поэтому эти показатели нельзя уверенно связать с конкретным набором классов или протоколом оценки. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

классификация действий в видеоклипах
распознавание активности на видео
оценка модели на задачах классификации видео

Ограничения

README не раскрывает датасет, состав классов и условия оценки, поэтому заявленную accuracy 0,8258 трудно интерпретировать. Лицензия запрещает коммерческое использование.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

videomae-base-finetuned-ucf101-subset

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: 0.4778
Accuracy: 0.8258

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: 8
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 14
training_steps: 148

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
2.1270	0.2568	38	1.7664	0.6857
0.9291	1.2568	76	0.9534	0.7286
0.4500	2.2568	114	0.4899	0.8571
0.3593	3.2297	148	0.4321	0.8571

Framework versions

Transformers 5.18.0
Pytorch 2.11.0+cu130
Datasets 4.8.5
Tokenizers 0.23.2

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: 42f6416