/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
videoprism · dense
Библиотека
transformers
Опубликована
9 мая 2026

videoprism-base-f16r288-pt

ЭмбеддингиТекст → embedding5 профессий

PyTorch-порт VideoPrism для извлечения признаков из равномерно выбранных кадров видео.

252скачиваний за 30 дней0лайковвеса обновлены9 мая 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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 порт VideoPrism от Google DeepMind в формате PyTorch, подготовленный автором репозитория sposiboh на основе google/videoprism-base-f16r288. Репозиторий содержит веса Safetensors и самодостаточную реализацию для Transformers; заявлено численное совпадение выходов с эталонной реализацией JAX/Flax с cosine similarity 1,000000.

Модель предназначена для извлечения признаков из видео: кадры равномерно выбираются до штатного для модели количества, масштабируются до image_size × image_size и нормализуются в диапазон [0, 1]. Полученные признаки подходят для последующего анализа видео в ML-конвейерах. Лицензия — Apache-2.0.

Сценарии применения

  • Извлечение признаков из видеороликов для последующего анализа
  • Подготовка видеоэмбеддингов для поиска похожих роликов
  • Построение признакового представления кадров в ML-конвейере

Ограничения

Для подготовки входа требуется равномерно выбрать кадры в штатном для модели количестве и изменить их размер; точные параметры этой подготовки в карточке не приведены.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

videoprism-base-f16r288-pt

PyTorch port of google/videoprism-base-f16r288 (Google DeepMind's VideoPrism). The original release ships JAX/Flax weights only; this repo hosts a self-contained PyTorch implementation that produces numerically-equivalent outputs (cosine sim 1.000000 vs the JAX reference). Source: https://github.com/Skovorp/torch_videoprism.

Usage

from transformers import AutoModel, AutoProcessor

model = AutoModel.from_pretrained("sposiboh/videoprism-base-f16r288-pt", trust_remote_code=True)
processor = AutoProcessor.from_pretrained("sposiboh/videoprism-base-f16r288-pt", trust_remote_code=True)

# Process a video file (or a list of frames / numpy / torch tensor):
inputs = processor(videos="path/to/video.mp4", return_tensors="pt")
outputs = model(**inputs)
embedding = outputs.last_hidden_state    # shape: (B, T*N, model_dim) — token sequence

Frames are sampled uniformly to the model's native frame count and resized bilinearly to image_size × image_size. Pixels are scaled to [0, 1].

Citation

If you use this model, please cite the original VideoPrism paper:

@inproceedings{zhao2024videoprism,
  title = {VideoPrism: A Foundational Visual Encoder for Video Understanding},
  author = {Zhao, Long and Gundavarapu, Nitesh B. and Yuan, Liangzhe and Zhou, Hao and Yan, Shen and Sun, Jennifer J. and Friedman, Luke and Qian, Rui and Weyand, Tobias and Zhao, Yue and Hornung, Rachel and Schroff, Florian and Yang, Ming-Hsuan and Ross, David A. and Wang, Huisheng and Adam, Hartwig and Sirotenko, Mikhail and Liu, Ting and Gong, Boqing},
  booktitle = {ICML},
  year = {2024},
}

Apache-2.0 (matches upstream license).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
VideoPrismModel
Ревизия весов
82d97c3

0 моделей