Характеристики

Параметры: 403 млн
Лицензия: CC BY-NC 4.0
Архитектура: videomae · dense
Базовая модель: videomae-large-finetuned-kinetics
Библиотека: transformers
Опубликована: 8 янв 2026

Ссылки

videomae-large-finetuned-kinetics-finetuned-ucf101-subset

Классификация видеоВидео → label3 профессии

Дообученная VideoMAE классифицирует видеоклипы по категориям действий, с заявленной оценочной точностью 0,9924 на неописанном наборе.

154скачиваний за 30 дней0лайковвеса обновлены25 янв 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

Это дообученная модель VideoMAE для классификации видео, созданная на основе MCG-NJU/videomae-large-finetuned-kinetics. Она предназначена для отнесения видеоклипов к категориям действий; в README указано, что дообучение проводилось на подмножестве UCF101, но состав набора данных не описан. Модель содержит 402,7 млн параметров, использует архитектуру VideoMAEForVideoClassification и распространяется в формате safetensors через Transformers.

В README приведена точность 0,9924 и значение eval_loss 0,0805 на оценочном наборе, однако размер и состав этого набора не указаны, поэтому результаты нельзя считать гарантией качества на других видео. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

классификация действий в видеоклипах
распознавание действий из набора UCF101
автоматическая разметка видеозаписей по типу действия

Ограничения

Состав обучающего и оценочного наборов не описан; заявленная точность может не переноситься на другие данные. Лицензия CC BY-NC 4.0 ограничивает 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-large-finetuned-kinetics-finetuned-ucf101-subset

This model is a fine-tuned version of MCG-NJU/videomae-large-finetuned-kinetics on an unknown dataset. It achieves the following results on the evaluation set:

eval_loss: 0.0805
eval_accuracy: 0.9924
eval_runtime: 36.136
eval_samples_per_second: 28.946
eval_steps_per_second: 0.249
epoch: 37.0225
step: 342

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: 16
eval_batch_size: 128
seed: 42
gradient_accumulation_steps: 8
total_train_batch_size: 128
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: cosine
lr_scheduler_warmup_ratio: 0.1
lr_scheduler_warmup_steps: 100
training_steps: 400
mixed_precision_training: Native AMP

Framework versions

Transformers 4.57.3
Pytorch 2.9.0+cu126
Datasets 4.0.0
Tokenizers 0.22.2

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: 9e5afb8