Характеристики

Параметры: 113 млн
Лицензия: MIT
Архитектура: vivit · dense
Базовая модель: vivit-b-16x2-kinetics400
Библиотека: transformers
Опубликована: 13 сен 2026

Ссылки

Hugging Face

vivit-vit-fc-loss-8-10-epochs-5_class_2_p0_full_splited-1789279137.2153802

tihon-nth

Классификация видеоВидео → label3 профессии

Дообученная модель ViViT для классификации видеороликов по категориям.

96скачиваний за 30 дней0лайковвеса обновлены14 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-fc-loss-8-10-epochs-5_class_2_p0_full_splited-1789279137.2153802 — дообученная Tihon NTH версия ViViT для классификации видео. Она основана на google/vivit-b-16x2-kinetics400, содержит 113,2 млн параметров и сохраняется в формате safetensors. На оценочном наборе указаны loss 0,3046 и accuracy 0,8101; набор данных и классы классификации не описаны. Модель предназначена для отнесения видеороликов к категориям в задачах видеоанализа. Использование регулируется лицензией MIT.

Сценарии применения

классификация действий в видеороликах
автоматическая категоризация видеоклипов
анализ видео для сортировки по классам

Ограничения

Данные обучения и наборы классов не описаны, поэтому область применимости и качество на конкретных типах видео оценить нельзя. Метрика accuracy 0,8101 приведена для неуказанного оценочного набора.

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.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vivit-vit-fc-loss-8-10-epochs-5_class_2_p0_full_splited-1789279137.2153802

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: 0.3046
Accuracy: 0.8101

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: 48660

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.2749	0.1000	4867	0.2362	0.7750
0.1677	1.1000	9734	0.2097	0.7949
0.1968	2.1000	14601	0.2172	0.7970
0.1253	3.1000	19468	0.2181	0.8104
0.1382	4.1000	24335	0.2101	0.8085
0.1385	5.1000	29202	0.2140	0.8202
0.1405	6.1000	34069	0.2253	0.8087
0.1723	7.1000	38936	0.2511	0.8132
0.1296	8.1000	43803	0.2862	0.8161
0.1119	9.0998	48660	0.3012	0.8141

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: 201bac5