TimeSformer（基础尺寸模型，在Kinetics-400上微调）

TimeSformer模型在 Kinetics-400 上进行了预训练。它由Tong等人在 this repository 的论文中首次提出并发布。

声明：发布TimeSformer模型的团队并未为该模型编写模型卡片，因此此模型卡片由 fcakyon 编写。

使用目的和限制

您可以使用原始模型来对视频进行分类，将其归为可能的400个Kinetics-400标签之一。

使用方法

以下是使用此模型对视频进行分类的方法：

from transformers import AutoImageProcessor, TimesformerForVideoClassification
import numpy as np
import torch

video = list(np.random.randn(8, 3, 224, 224))

processor = AutoImageProcessor.from_pretrained("fcakyon/timesformer-base-finetuned-k400")
model = TimesformerForVideoClassification.from_pretrained("fcakyon/timesformer-base-finetuned-k400")

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])

更多代码示例，请参考 documentation 。

BibTeX条目和引用信息

@inproceedings{bertasius2021space,
  title={Is Space-Time Attention All You Need for Video Understanding?},
  author={Bertasius, Gedas and Wang, Heng and Torresani, Lorenzo},
  booktitle={International Conference on Machine Learning},
  pages={813--824},
  year={2021},
  organization={PMLR}
}