Виде энкодер Meta AI на основе ViT-B извлекает признаки из 64-кадровых клипов для анализа и понимания видео.

Подходит для: извлечение признаков из видеоклипов · получение эмбеддингов видеосцен для последующей классификации · подготовка представлений видео для исследовательских систем понимания сцен