共计 664 个字符，预计需要花费 2 分钟才能阅读完成。
出品人 ：Towhee 技术团队
在去年 Swin Transformer 取得 ICCV 2021 最佳论文后，微软亚洲研究院又在往年推出了视频畛域的佳作 Video Swin Transformer。Video Swin Transformer 模型在 CVPR 2022 中性能屠榜，在动作辨认和时序建模工作上都优于 ViViT、TimeSformer 等网络！ 该模型在 Kinetics-400 上的准确率为 84.9% top-1，在 Something-Something v2 上的准确率为 69.6% top-1。
Video Swin Transformer: an illustrated example of 3D shifted windows
从图像畛域拓展到视频畛域，Swin Transformer 在原来的根底上引入局部性的演绎偏置，并且无效利用了预训练图像模型。与之前相比，Video Swin Transformer 即便时空合成也能够全局计算自注意力，因而可能更好地衡量速度与准确率。
参考资料：
模型用例：action-classification/video-swin-transformer
论文地址：Video Swin Transformer
官网阐明：屠榜视频了解几大工作！微软提出：Video Swin Transformer
其余材料：视频分类利器之 Video Swin Transformer
更多我的项目更新及具体内容请关注咱们的我的项目 (https://github.com/towhee-io/…)，您的关注是咱们用爱发电的弱小能源，欢送 star, fork, slack 三连 :)