Video-R1-7B — дообученная мультимодальная модель для рассуждений и ответов на вопросы о видео.

Подходит для: ответы на вопросы о содержимом видео · анализ последовательности событий в видео · описание сцен и действий в видео

VideoMAE-base — предобученный без учителя видеотрансформер для извлечения признаков и последующего дообучения, в том числе для классификации видео.

Подходит для: дообучение классификатора для категоризации видеороликов · извлечение признаков из видео для последующего анализа · восстановление замаскированных фрагментов видеокадров

V-JEPA 2 — модель FAIR при Meta для классификации и представления видео и изображений, поиска по видеоданным и использования в качестве видеоэнкодера.

Подходит для: классификация видеороликов по содержанию · поиск видео по визуальному сходству · извлечение представлений из видеоклипов

ViViT — видеомодель с 113,2 млн параметров для классификации действий в роликах и дообучения на другие задачи видеоанализа.

Подходит для: распознавание действий в видеороликах · классификация видео по категориям Kinetics-400 · дообучение классификатора для пользовательских категорий видео

VideoMAE Base — дообученная на Kinetics-400 модель для классификации видео по 400 категориям.

Подходит для: распознавание действий в видеоклипах · классификация видео по категориям Kinetics-400 · автоматическая разметка видеотеки по типам активности

Видеоэнкодер V-JEPA 2 от FAIR и Meta для классификации, поиска и получения представлений видео и изображений.

Подходит для: классификация содержимого видео · поиск видео по визуальному сходству · извлечение представлений видео для VLM

VideoMAE с 402,7 млн параметров классифицирует видео по 400 категориям действий из Kinetics-400.

Подходит для: классификация действий в видеороликах · распознавание типа активности в видео · автоматическая категоризация видеотеки

Крупная видеомодель VideoMAE V2 для извлечения признаков и классификации видеоматериалов.

Подходит для: извлечение признаков из видеороликов · классификация видеосодержимого · подготовка признаков видео для последующего анализа

Базовая модель VideoMAE-v2 для извлечения признаков и классификации видео.

Подходит для: извлечение признаков из видеозаписей · классификация видеоклипов · подготовка видеоэмбеддингов для последующих задач

VideoMAE — видеомодель на архитектуре Transformer для классификации действий и событий в роликах.

Подходит для: классификация действий в коротких видеороликах · распознавание взаимодействий с предметами в видео · автоматическая категоризация видеоклипов

ViViT-B/16x2 — видеотрансформер с 113,2 млн параметров для классификации видео и дообучения на прикладных наборах данных.

Подходит для: классификация видеороликов по категориям · распознавание действий и событий в видео после дообучения · создание классификатора видеосцен для прикладного набора данных

Дообученная на Something-Something-V2 модель V-JEPA 2 от FAIR при Meta классифицирует видео по показанным действиям.

Подходит для: распознавание действий в коротких видеороликах · классификация видео по содержимому · автоматическая разметка видео по классам действий

VideoMAEv2-Huge — самоконтролируемая видеомодель для извлечения признаков и классификации видео.

Подходит для: извлечение признаков из видеороликов · классификация видеоклипов · подготовка видеоэмбеддингов для последующего анализа

Дообученная версия V-JEPA 2 ViT-L классифицирует видеоролики, включая действия и взаимодействия с объектами.

Подходит для: классификация действий в коротких видеороликах · распознавание взаимодействий человека с предметами · разметка видео для анализа поведения

Преобразованный для Transformers видеоэнкодер Meta AI V-JEPA 2.1 ViT-L/16 предназначен для извлечения признаков и классификации видеоклипов.

Подходит для: извлечение признаков из видеоклипов · классификация видео с обучаемым attentive pooler · получение иерархических признаков видео с нескольких уровней энкодера

Модель TimeSformer классифицирует видео по 600 категориям действий набора Kinetics-600.

Подходит для: распознавание действий в видео · автоматическая категоризация коротких роликов · поиск видео по типу действия

Мультимодальная модель Kuaishou для анализа видео и изображений, ответов на вопросы и рассуждений с контекстом до 131 072 токенов.

Подходит для: ответы на вопросы о содержании видео · краткий анализ длинных видеозаписей · описание и интерпретация изображений

X-CLIP — видео-языковая модель Microsoft для классификации роликов и поиска соответствий между видео и текстом.

Подходит для: классификация видео без дополнительного обучения по текстовым меткам · классификация роликов с несколькими примерами на класс · классификация видео на размеченных данных

Компактная VideoMAE-модель классифицирует видео по 400 категориям набора Kinetics-400, включая действия людей.

Подходит для: распознавание действий в видеоклипах · автоматическая классификация видео по категориям Kinetics-400 · разметка видеоколлекций по содержанию

Видеотекстовая модель эмбеддингов NVIDIA, адаптированная для поиска и классификации аномалий в видео.

Подходит для: поиск видеозаписей по текстовому описанию аномалии · поиск похожих видео с необычными событиями · классификация аномалий в дорожных и городских видеозаписях

Модель Meta на основе V-JEPA 2 классифицирует действия и события в видео, будучи дообученной на Something-Something-V2.

Подходит для: классификация действий в коротких видеороликах · распознавание взаимодействий с объектами в видео · автоматическая разметка видеоколлекций по классам

TimeSformer Base классифицирует видео по 400 категориям действий Kinetics-400.

Подходит для: распознавание действий в видеороликах · автоматическая категоризация видеотеки · поиск видео по типу действия

Предварительно обученная на видео модель VideoMAE Large для извлечения признаков и последующего дообучения на классификацию видео.

Подходит для: извлечение признаков из видеоклипов · дообучение классификатора действий на размеченных видео · классификация видео после настройки на целевой набор данных

Видеокодировщик V-JEPA 2 от FAIR/Meta для классификации видео, поиска по видео и извлечения признаков для визуально-языковых моделей.

Подходит для: классификация содержимого видеороликов · поиск видео по сходству визуальных признаков · извлечение признаков видео для визуально-языковой модели