Характеристики

Параметры: 113 млн
Лицензия: CC BY-NC 4.0
Архитектура: videomae · dense
Базовая модель: videomae-base
Библиотека: transformers
Опубликована: 30 мая 2025

Ссылки

Hugging Face

videomae-base-finetuned-bimanual-subset

sano90

Классификация видеоВидео → label

Дообученный VideoMAE для классификации видео, вероятно ориентированный на распознавание бимануальных действий.

16скачиваний за 30 дней0лайковвеса обновлены3 июн 2025

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

sano90/videomae-base-finetuned-bimanual-subset — видеотрансформер VideoMAE, дообученный на базе MCG-NJU/videomae-base для классификации видео. По названию модель ориентирована на подмножество данных, связанное с бимануальными действиями, однако карточка не раскрывает состав классов и датасет.

Модель содержит 113,2 млн параметров, использует архитектуру VideoMAEForVideoClassification и распространяется в формате safetensors. В README указаны результаты оценки: accuracy 0,9813 и loss 0,0695; без описания набора данных и методики оценки эти показатели нельзя напрямую переносить на другие сценарии. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

Классификация видео с бимануальными действиями
Распознавание категорий действий в видеоклипах
Экспериментальная оценка классификатора VideoMAE на собственных видеоданных

Ограничения

Датасет, список классов и подробности обучения не раскрыты, поэтому заявленные метрики нельзя считать гарантией качества на других данных. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

videomae-base-finetuned-bimanual-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: 0.0695
Accuracy: 0.9813

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 adamw_torch 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: 550

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
2.1402	0.0218	12	2.0213	0.3186
2.0459	1.0218	24	1.9679	0.1601
1.8931	2.0218	36	1.9863	0.2436
1.9829	3.0218	48	2.1146	0.2112
1.6759	4.0218	60	1.9753	0.2572
1.7893	5.0218	72	2.3825	0.0920
1.5049	6.0218	84	1.6753	0.3509
1.3212	7.0218	96	1.2506	0.4191
1.177	8.0218	108	0.9863	0.6934
0.9292	9.0218	120	0.8076	0.7479
0.7332	10.0218	132	0.8698	0.7036
0.7974	11.0218	144	1.0144	0.6371
0.5493	12.0218	156	0.7424	0.7223
0.5826	13.0218	168	0.6612	0.7513
0.4888	14.0218	180	0.6969	0.7462
0.5257	15.0218	192	1.1179	0.5945
0.4575	16.0218	204	0.4811	0.8552
0.3962	17.0218	216	0.7893	0.7411
0.3146	18.0218	228	0.5508	0.8279
0.2503	19.0218	240	0.8989	0.7411
0.3556	20.0218	252	0.2343	0.9182
0.1748	21.0218	264	0.3174	0.9148
0.0848	22.0218	276	0.4301	0.8756
0.3159	23.0218	288	0.6723	0.7888
0.1157	24.0218	300	0.3365	0.8825
0.0756	25.0218	312	0.2978	0.9131
0.0333	26.0218	324	0.3446	0.8995
0.0799	27.0218	336	0.1619	0.9472
0.0223	28.0218	348	0.6790	0.8075
0.0888	29.0218	360	0.1496	0.9591
0.1218	30.0218	372	0.2766	0.9165
0.2018	31.0218	384	0.2846	0.9114
0.2506	32.0218	396	0.1404	0.9540
0.1235	33.0218	408	0.3010	0.9012
0.134	34.0218	420	0.0710	0.9796
0.0149	35.0218	432	0.1010	0.9693
0.0142	36.0218	444	0.1540	0.9540
0.0383	37.0218	456	0.1624	0.9557
0.0627	38.0218	468	0.1210	0.9693
0.1269	39.0218	480	0.0801	0.9796
0.1244	40.0218	492	0.0695	0.9813
0.083	41.0218	504	0.1012	0.9779
0.0674	42.0218	516	0.1151	0.9727
0.0715	43.0218	528	0.1084	0.9727
0.0972	44.0218	540	0.1047	0.9727
0.0068	45.0182	550	0.1054	0.9710

Framework versions

Transformers 4.46.3
Pytorch 2.0.1+cu117
Datasets 3.1.0
Tokenizers 0.20.3

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: da0dca3