Характеристики

Параметры: 113 млн
Лицензия: MIT
Архитектура: vivit · dense
Базовая модель: vivit-b-16x2-kinetics400
Библиотека: transformers
Опубликована: 12 сен 2026

Ссылки

Hugging Face

vivit-vit-8-10-epochs-5_class_1_p0_full_splited-1789192041.5686274

tihon-nth

Классификация видеоВидео → label3 профессии

Дообученная на неизвестном наборе данных модель ViViT для классификации видеороликов.

99скачиваний за 30 дней0лайковвеса обновлены12 сен 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 tihon-nth/vivit-vit-8-10-epochs-5_class_1_p0_full_splited-1789192041.5686274 — версия ViViT, дообученная на основе google/vivit-b-16x2-kinetics400 для классификации видео. Она принимает видеоролики и предсказывает класс для каждого ролика. В README указаны результаты оценки: accuracy 0,7857 и loss 0,6915; данные и набор классов не описаны. Модель содержит 113,2 млн параметров, использует архитектуру ViViT и формат safetensors, работает с библиотекой Transformers. Лицензия — MIT.

Сценарии применения

классификация видеороликов по заданным категориям
распознавание действий в видео после дообучения под нужные классы
автоматическая разметка видеоколлекции

Ограничения

Набор данных и категории классов не описаны, поэтому пригодность для конкретной задачи не установлена. На указанном наборе оценки accuracy составляет 0,7857; переносимость на другие данные не сообщается.

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

vivit-vit-8-10-epochs-5_class_1_p0_full_splited-1789192041.5686274

This model is a fine-tuned version of google/vivit-b-16x2-kinetics400 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.6915
Accuracy: 0.7857

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 OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
training_steps: 43330

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.5172	0.1000	4334	0.6928	0.7160
0.5008	1.1000	8668	0.5894	0.7547
0.3309	2.1000	13002	0.5870	0.7612
0.4335	3.1000	17336	0.5593	0.7801
0.3563	4.1000	21670	0.5795	0.7868
0.2040	5.1000	26004	0.5781	0.7903
0.3025	6.1000	30338	0.6454	0.7790
0.2009	7.1000	34672	0.6382	0.7856
0.3509	8.1000	39006	0.6500	0.7889
0.2297	9.0998	43330	0.6892	0.7893

Framework versions

Transformers 5.16.1
Pytorch 2.14.0+cu126
Datasets 5.0.1
Tokenizers 0.23.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · video-classification

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры: VivitForVideoClassification
Ревизия весов: 647df2b