/ Модель

Характеристики

Параметры
113 млн
Лицензия
CC BY-NC 4.0
Архитектура
timesformer · dense
Опубликована
7 окт 2022

timesformer-base-finetuned-k400

Классификация видеоВидео → label3 профессии

TimeSformer Base классифицирует видео по 400 категориям действий Kinetics-400.

16 783скачиваний за 30 дней45лайковвеса обновлены2 янв 2023

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

TimeSformer Base — модель для классификации видео на основе архитектуры пространственно-временного Transformer. Она была представлена Tong и соавторами в работе «TimeSformer: Is Space-Time Attention All You Need for Video Understanding?» и дообучена для классификации по 400 категориям набора Kinetics-400. Модель содержит 113,2 млн параметров и распространяется в формате PyTorch.

Модель принимает видео и определяет, к какой из 400 категорий действий Kinetics-400 оно относится. Она предназначена для распознавания действий и анализа видеоконтента. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Сценарии применения

  • распознавание действий в видеороликах
  • автоматическая категоризация видеотеки
  • поиск видео по типу действия
  • анализ сцен с действиями людей

Ограничения

Модель ограничена 400 категориями Kinetics-400; её качество для действий и видеоданных вне этих категорий не установлено. Лицензия запрещает коммерческое использование.

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

TimeSformer (base-sized model, fine-tuned on Kinetics-400)

TimeSformer model pre-trained on Kinetics-400. It was introduced in the paper TimeSformer: Is Space-Time Attention All You Need for Video Understanding? by Tong et al. and first released in this repository.

Disclaimer: The team releasing TimeSformer did not write a model card for this model so this model card has been written by fcakyon.

Intended uses & limitations

You can use the raw model for video classification into one of the 400 possible Kinetics-400 labels.

How to use

Here is how to use this model to classify a video:

from transformers import AutoImageProcessor, TimesformerForVideoClassification
import numpy as np
import torch

video = list(np.random.randn(8, 3, 224, 224))

processor = AutoImageProcessor.from_pretrained("facebook/timesformer-base-finetuned-k400")
model = TimesformerForVideoClassification.from_pretrained("facebook/timesformer-base-finetuned-k400")

inputs = processor(video, return_tensors="pt")

with torch.no_grad():
  outputs = model(**inputs)
  logits = outputs.logits

predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

For more code examples, we refer to the documentation.

BibTeX entry and citation info

@inproceedings{bertasius2021space,
  title={Is Space-Time Attention All You Need for Video Understanding?},
  author={Bertasius, Gedas and Wang, Heng and Torresani, Lorenzo},
  booktitle={International Conference on Machine Learning},
  pages={813--824},
  year={2021},
  organization={PMLR}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · video-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
TimesformerForVideoClassification
Ревизия весов
8aaf40e

0 моделей