Характеристики

Параметры: 113 млн
Лицензия: CC BY-NC 4.0
Архитектура: videomae · dense
Базовая модель: videomae-base
Библиотека: transformers
Опубликована: 6 авг 2026

Ссылки

Hugging Face

videomae-base-finetuned-ucf101-subset

majidam

Классификация видеоВидео → label3 профессии

Дообученный VideoMAE для классификации видео на основе MCG-NJU/videomae-base.

15скачиваний за 30 дней0лайковвеса обновлены8 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

Модель majidam/videomae-base-finetuned-ucf101-subset — видеотрансформер VideoMAE, дообученный на основе MCG-NJU/videomae-base для классификации видео. В репозитории указано, что набор данных неизвестен; название модели указывает на подмножество UCF101, но README этого не подтверждает.

Модель содержит 113,2 млн параметров и опубликована в формате Safetensors для библиотеки Transformers. В README приведены результаты на оценочной выборке: loss 0,0279 и accuracy 0,9949; поскольку описание набора данных и методики оценки отсутствует, эти показатели нельзя напрямую переносить на другие данные. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Сценарии применения

классификация видеоклипов по действиям
распознавание действий в коротких видео
эксперименты с классификацией видео на основе VideoMAE

Ограничения

Набор обучающих данных и детали оценки не описаны, поэтому заявленную точность 0,9949 нельзя считать гарантией качества на других наборах видео. Лицензия CC BY-NC 4.0 не допускает коммерческое использование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.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

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: 0.0279
Accuracy: 0.9949

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: 1e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Use 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_ratio: 0.1
training_steps: 38500

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.1974	0.0100	386	1.1477	0.4549
0.3532	1.0100	772	0.4044	0.8611
0.2043	2.0100	1158	0.3527	0.9010
0.1896	3.0100	1544	0.2104	0.9288
0.2453	4.0100	1930	0.2778	0.9340
0.0189	5.0100	2316	0.0706	0.9774
0.0443	6.0100	2702	0.0838	0.9792
0.0673	7.0100	3088	0.0385	0.9896
0.0009	8.0100	3474	0.0369	0.9913
0.1916	9.0100	3860	0.0349	0.9913
0.0569	10.0100	4246	0.1056	0.9774
0.0014	11.0100	4632	0.0046	0.9965
0.2	12.0100	5018	0.0107	0.9965
0.0706	13.0100	5404	0.0872	0.9844
0.0927	14.0100	5790	0.1275	0.9688
0.0012	15.0100	6176	0.0815	0.9774
0.0944	16.0100	6562	0.0228	0.9913
0.0003	17.0100	6948	0.0336	0.9878
0.0021	18.0100	7334	0.0166	0.9948
0.0002	19.0100	7720	0.0209	0.9965
0.052	20.0100	8106	0.0435	0.9896
0.0002	21.0100	8492	0.0155	0.9983

Framework versions

Transformers 4.57.1
Pytorch 2.9.1+cu128
Datasets 4.3.0
Tokenizers 0.22.1

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: 8ca14a4