Video Swin Transformer

计算机科学 变压器 地点 人工智能 建筑 杠杆(统计) 动作识别 计算机视觉 模式识别(心理学) 工程类 电气工程 哲学 艺术 视觉艺术 电压 班级(哲学) 语言学
作者
Ze Liu,Ning Jia,Yue Cao,Yixuan Wei,Zheng Zhang,Stephen Lin,Hanping Hu
出处
期刊:Cornell University - arXiv 被引量:40
标识
DOI:10.48550/arxiv.2106.13230
摘要

The vision community is witnessing a modeling shift from CNNs to Transformers, where pure Transformer architectures have attained top accuracy on the major video recognition benchmarks. These video models are all built on Transformer layers that globally connect patches across the spatial and temporal dimensions. In this paper, we instead advocate an inductive bias of locality in video Transformers, which leads to a better speed-accuracy trade-off compared to previous approaches which compute self-attention globally even with spatial-temporal factorization. The locality of the proposed video architecture is realized by adapting the Swin Transformer designed for the image domain, while continuing to leverage the power of pre-trained image models. Our approach achieves state-of-the-art accuracy on a broad range of video recognition benchmarks, including on action recognition (84.9 top-1 accuracy on Kinetics-400 and 86.1 top-1 accuracy on Kinetics-600 with ~20x less pre-training data and ~3x smaller model size) and temporal modeling (69.6 top-1 accuracy on Something-Something v2). The code and models will be made publicly available at https://github.com/SwinTransformer/Video-Swin-Transformer.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
NexusExplorer应助jtyt采纳,获得10
1秒前
yyh发布了新的文献求助10
2秒前
3秒前
3秒前
科研通AI5应助Kailee采纳,获得10
3秒前
5秒前
科研小弟完成签到,获得积分10
6秒前
123完成签到,获得积分10
6秒前
共享精神应助季双洋采纳,获得10
6秒前
sherry231发布了新的文献求助10
6秒前
丫头发布了新的文献求助30
7秒前
啾啾完成签到,获得积分10
7秒前
lala完成签到,获得积分20
7秒前
8秒前
香蕉觅云应助yiw采纳,获得10
8秒前
qwp完成签到,获得积分10
9秒前
bill完成签到,获得积分10
9秒前
9秒前
jjh完成签到,获得积分10
10秒前
金玉发布了新的文献求助10
10秒前
Akim应助牛牛采纳,获得10
10秒前
Aura完成签到,获得积分10
10秒前
尹妮妮发布了新的文献求助10
11秒前
热情糖豆完成签到,获得积分10
11秒前
123完成签到 ,获得积分10
11秒前
Sword完成签到,获得积分20
12秒前
dodo完成签到,获得积分0
12秒前
wkkkkkkk发布了新的文献求助10
12秒前
jjh发布了新的文献求助10
13秒前
烟里戏完成签到 ,获得积分10
13秒前
More完成签到,获得积分10
13秒前
13秒前
冷酷孤风完成签到,获得积分10
15秒前
sherry231完成签到,获得积分20
15秒前
15秒前
dodo发布了新的文献求助30
16秒前
共享精神应助丫头采纳,获得10
16秒前
yyh完成签到,获得积分10
17秒前
Akim应助ersan采纳,获得10
17秒前
en关闭了en文献求助
17秒前
高分求助中
【此为提示信息,请勿应助】请按要求发布求助,避免被关 20000
CRC Handbook of Chemistry and Physics 104th edition 1000
Izeltabart tapatansine - AdisInsight 600
ISCN 2024 – An International System for Human Cytogenomic Nomenclature (2024) 500
An International System for Human Cytogenomic Nomenclature (2024) 500
Introduction to Comparative Public Administration Administrative Systems and Reforms in Europe, Third Edition 3rd edition 500
Distinct Aggregation Behaviors and Rheological Responses of Two Terminally Functionalized Polyisoprenes with Different Quadruple Hydrogen Bonding Motifs 450
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3767989
求助须知:如何正确求助?哪些是违规求助? 3312782
关于积分的说明 10164753
捐赠科研通 3027871
什么是DOI,文献DOI怎么找? 1661756
邀请新用户注册赠送积分活动 794274
科研通“疑难数据库(出版商)”最低求助积分说明 756063