SVECTOR-CORPORATION/FAL
FAL - Framework For Automated Labeling Of Videos (FALVideoClassifier) FAL (Framework for Automated Labeling Of Videos) is a custom video classification model developed by SVECTOR and fine-tuned on the FAL-500 dataset. This model is designed for effi...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#2 Repository Của Tuần
#3 Repository Của Tuần
🎬 FAL: Mô hình phân loại video tự động dựa trên TimeSformer
FAL (Framework for Automated Labeling Of Videos) là mô hình phân loại video do SVECTOR phát triển, tinh chỉnh trên FAL-500, hỗ trợ phân loại video vào 500 lớp.
FAL (Framework for Automated Labeling Of Videos) là mô hình phân loại video tùy chỉnh do SVECTOR phát triển, được tinh chỉnh trên bộ dữ liệu FAL-500. Dựa trên kiến trúc TimeSformer, mô hình hỗ trợ hiểu và phân loại video hiệu quả, phù hợp cho các nhiệm vụ gán nhãn tự động.
✨ Điểm nổi bật
- Dựa trên TimeSformer: Sử dụng kiến trúc transformer tiên tiến cho xử lý video.
- Tinh chỉnh trên FAL-500: Hỗ trợ phân loại video vào 500 nhãn từ bộ dữ liệu FAL-500.
- Tích hợp dễ dàng: Hỗ trợ sử dụng thông qua thư viện Transformers của Hugging Face.
- Cấu hình linh hoạt: Hỗ trợ điều chỉnh số khung hình, kích thước ảnh và các thông số transformer.
- Xử lý trước chuẩn hóa: Cần tiền xử lý khung hình (thay đổi kích thước, chuẩn hóa) trước khi đưa vào mô hình.
- Mã nguồn mở: Được công bố với giấy phép MIT và CC-BY-NC-4.0.
💡 Vì sao đáng chú ý
FAL khác biệt nhờ việc kết hợp TimeSformer — một kiến trúc transformer mạnh mẽ cho xử lý video — với bộ dữ liệu FAL-500 lớn. Điều này giúp mô hình không chỉ hiệu quả trong gán nhãn tự động mà còn hỗ trợ nghiên cứu trong lĩnh vực hiểu video. Phù hợp cho các ứng dụng như phân loại nội dung video, gán nhãn tự động và nghiên cứu học máy.
#VideoClassification #TimeSformer #PyTorch #MachineLearning #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License More details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more languages,...
V-JEPA 2 A frontier video understanding model developed by FAIR, Meta, which extends the pretraining objectives of VJEPA(https://ai.meta.com/blog/v-jepa-yann-lecun-ai-model-video-joint-embedding-predictive-architecture/), resulting in state-of-the-a...
X-CLIP (base-sized model) X-CLIP model (base-sized, patch resolution of 32) trained fully-supervised on Kinetics-400(https://www.deepmind.com/open-source/kinetics). It was introduced in the paper Expanding Language-Image Pretrained Models for Genera...
V-JEPA 2 A frontier video understanding model developed by FAIR, Meta, which extends the pretraining objectives of VJEPA(https://ai.meta.com/blog/v-jepa-yann-lecun-ai-model-video-joint-embedding-predictive-architecture/), resulting in state-of-the-a...
V-JEPA 2 A frontier video understanding model developed by FAIR, Meta, which extends the pretraining objectives of VJEPA(https://ai.meta.com/blog/v-jepa-yann-lecun-ai-model-video-joint-embedding-predictive-architecture/), resulting in state-of-the-a...
VideoPrism Model Card Paper: https://huggingface.co/papers/2402.13217 arXiv: https://arxiv.org/pdf/2402.13217 GitHub: https://github.com/google-deepmind/videoprism Blog: https://research.google/blog/videoprism-a-foundational-visual-encoder-for-video...
VideoPrism Model Card Paper: https://huggingface.co/papers/2402.13217 arXiv: https://arxiv.org/pdf/2402.13217 GitHub: https://github.com/google-deepmind/videoprism Blog: https://research.google/blog/videoprism-a-foundational-visual-encoder-for-video...
TT-VidT Decoupling the Temporal Axis for Efficient Motion-Centric Video Pretraining NeurIPS 2026 (main track) !Project Page(https://img.shields.io/badge/Project-Page-green)(https://kohakublueleaf.github.io/TTVidT/) !Paper(https://img.shields.io/badg...