VideoMAE（小型模型，在Kinetics-400上进行了微调）

VideoMAE模型以自监督的方式进行了1600个epoch的预训练，并在Kinetics-400上进行了监督微调。它是由Tong等人在论文 VideoMAE: Masked Autoencoders are Data-Efficient Learners for Self-Supervised Video Pre-Training 中提出，并首次在 this repository 中发布。

免责声明：发布VideoMAE的团队没有为该模型编写模型卡片，因此该模型卡片是由Hugging Face团队编写的。

模型描述

VideoMAE是 Masked Autoencoders (MAE) 在视频领域的扩展。模型的架构与标准的Vision Transformer（ViT）非常相似，顶部有一个解码器，用于预测掩码修补区域的像素值。

视频被呈现给模型作为固定大小的修补区域序列（分辨率为16x16），这些修补区域被线性嵌入。在序列的开头还添加了一个[CLS]标记，用于分类任务。在将序列馈送到Transformer编码器的层之前，还添加了固定的正弦/余弦位置嵌入。

通过预训练模型，它学习了可以用于提取下游任务有用特征的视频的内部表示：例如，如果您有一个带有标签视频的数据集，可以在预训练编码器的顶部放置一个线性层来训练一个标准分类器。通常情况下，将线性层放在[CLS]标记的顶部，因为这个标记的最后隐藏状态可以看作是整个视频的表示。

预期用途和局限性

您可以使用原始模型对视频进行分类，将其分类为400个可能的Kinetics-400标签之一。

如何使用

使用此模型对视频进行分类的方法如下：

from transformers import VideoMAEImageProcessor, VideoMAEForVideoClassification
import numpy as np
import torch

video = list(np.random.randn(16, 3, 224, 224))

processor = VideoMAEImageProcessor.from_pretrained("MCG-NJU/videomae-small-finetuned-kinetics")
model = VideoMAEForVideoClassification.from_pretrained("MCG-NJU/videomae-small-finetuned-kinetics")

inputs = processor(video, return_tensors="pt")

with torch.no_grad():
  outputs = model(**inputs)
  logits = outputs.logits

predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

有关更多代码示例，请参阅 documentation 。

训练数据

（待完成，欢迎提交PR）

训练过程

预处理

（待完成，欢迎提交PR）

预训练

（待完成，欢迎提交PR）

评估结果

此模型在Kinetics-400的测试集上获得了79.0的top-1准确率和93.8的top-5准确率。

BibTeX条目和引用信息

misc{https://doi.org/10.48550/arxiv.2203.12602,
  doi = {10.48550/ARXIV.2203.12602},
  url = {https://arxiv.org/abs/2203.12602},
  author = {Tong, Zhan and Song, Yibing and Wang, Jue and Wang, Limin},
  keywords = {Computer Vision and Pattern Recognition (cs.CV), FOS: Computer and information sciences, FOS: Computer and information sciences},
  title = {VideoMAE: Masked Autoencoders are Data-Efficient Learners for Self-Supervised Video Pre-Training},
  publisher = {arXiv},
  year = {2022},
  copyright = {Creative Commons Attribution 4.0 International}
}