/ Модель

Характеристики

Лицензия
MIT
Архитектура
movinet · dense
Библиотека
transformers
Опубликована
23 июл 2026

movinet-a0-stream-pytorch

Классификация видеоВидео → label3 профессии

Компактная потоковая модель MoViNet-A0 для классификации действий и других категорий в видеоклипах.

115скачиваний за 30 дней1лайквеса обновлены30 июл 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

kfkas/movinet-a0-stream-pytorch — реализация MoViNet-A0 Stream на PyTorch и Transformers с весами для классификации видео на 600 классов Kinetics-600. Чекпойнт перенесён из Atze00/MoViNet-pytorch и основан на официальном выпуске MoViNet от Google Research. Модель содержит 3 748 031 параметр и поддерживает причинную потоковую обработку: можно передавать кадры последовательно, сохраняя состояние между ними, либо классифицировать отдельные видеоклипы.

На вход подаются RGB-клипы в формате [batch, frames, channels, height, width]; эталонное разрешение — 172×172, значения пикселей должны быть float в диапазоне [0, 1]. Для потокового режима кадр подаётся отдельно, а состояние сбрасывается перед обработкой нового видео. Модель предназначена для распознавания действий и других классов Kinetics-600; классификатор можно заменить для обучения под новую задачу. Репозиторий использует собственный код Transformers, поэтому автор рекомендует проверять файлы модели и фиксировать ревизию при производственном использовании. Лицензия — MIT.

Сценарии применения

  • классификация действий в коротких видеоклипах
  • распознавание классов Kinetics-600
  • потоковая классификация видеокадров в реальном времени
  • дообучение классификатора видео под собственные категории

Ограничения

Исходные веса настроены на 600 классов Kinetics-600; для других категорий потребуется заменить классификатор и обучить модель. В потоковом режиме состояние нужно сбрасывать перед началом нового видео; для производственного применения автор рекомендует проверять код модели и фиксировать ревизию репозитория.

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

MoViNet-A0 Stream PyTorch

Trainable PyTorch and Transformers implementation of causal MoViNet-A0 Stream. The checkpoint contains the Kinetics-600 weights ported by Atze00/MoViNet-pytorch from the official Google Research MoViNet release.

The model accepts clips in Transformers video layout:

[batch, frames, channels, height, width]

The reference spatial resolution is 172x172, and RGB values should be floating point values in [0, 1].

pip install "torch>=2.1" "transformers>=5.0" \
  "fvcore>=0.1.5.post20210630" "einops>=0.8"

Load and train

import torch
from transformers import AutoModelForVideoClassification

model = AutoModelForVideoClassification.from_pretrained(
    "kfkas/movinet-a0-stream-pytorch",
    revision="0c1fcb4911f4971afc984bca813af2f9c9ab9cdd",
    trust_remote_code=True,
)

pixel_values = torch.rand(2, 8, 3, 172, 172)
labels = torch.tensor([10, 25])
output = model(pixel_values=pixel_values, labels=labels)
output.loss.backward()

For a new task, replace the Kinetics classifier:

model = AutoModelForVideoClassification.from_pretrained(
    "kfkas/movinet-a0-stream-pytorch",
    revision="0c1fcb4911f4971afc984bca813af2f9c9ab9cdd",
    num_labels=3,
    ignore_mismatched_sizes=True,
    trust_remote_code=True,
)

Frame-by-frame streaming

Independent clip calls reset causal state automatically. To retain state across successive frames, reset once and pass use_stream_state=True:

model.reset_stream()
for frame in frames:
    output = model(
        pixel_values=frame[:, None],
        use_stream_state=True,
    )

frame has shape [batch, channels, height, width]. Call reset_stream() before starting another video.

Provenance

This repository uses custom Transformers code. Review the modeling files and pin a repository revision for production use.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · video-classification

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
MovinetForVideoClassification
Ревизия весов
fc6f3cc

0 моделей