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 电压 艺术 哲学 语言学 视觉艺术 班级(哲学)
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
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

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
大模型应助科研通管家采纳,获得10
2秒前
RayLam完成签到,获得积分10
4秒前
十七完成签到 ,获得积分10
4秒前
林大胖子完成签到 ,获得积分10
4秒前
夏傥完成签到,获得积分10
4秒前
Getlogger完成签到,获得积分10
6秒前
ltf完成签到,获得积分10
7秒前
xiaofenzi完成签到,获得积分10
9秒前
JOKY完成签到 ,获得积分10
11秒前
CHANG完成签到 ,获得积分10
11秒前
Ampace小老弟完成签到 ,获得积分10
13秒前
13秒前
hh完成签到,获得积分10
14秒前
ipcy完成签到 ,获得积分10
15秒前
zxm完成签到,获得积分10
16秒前
carly完成签到 ,获得积分10
17秒前
韭菜发布了新的文献求助10
18秒前
欣慰妙海完成签到,获得积分10
19秒前
你怎么这么可爱啊完成签到 ,获得积分10
21秒前
liu完成签到,获得积分10
22秒前
量子星尘发布了新的文献求助10
23秒前
bigfish完成签到,获得积分10
24秒前
Jzhaoc580完成签到 ,获得积分10
25秒前
sougardenist完成签到 ,获得积分10
26秒前
叶未晞yi完成签到,获得积分10
26秒前
稀里糊涂蛋完成签到 ,获得积分10
27秒前
双shuang完成签到,获得积分10
32秒前
夜雨诗意完成签到,获得积分10
34秒前
儒雅沛凝完成签到 ,获得积分10
34秒前
柳crystal完成签到,获得积分10
34秒前
35秒前
韭菜发布了新的文献求助10
35秒前
燕燕完成签到,获得积分10
35秒前
wxx完成签到,获得积分10
36秒前
荼白完成签到 ,获得积分10
36秒前
37秒前
山雀完成签到,获得积分10
38秒前
只有个石头完成签到,获得积分10
40秒前
jzs完成签到 ,获得积分10
41秒前
41秒前
高分求助中
Semantics for Latin: An Introduction 1155
Genomic signature of non-random mating in human complex traits 1000
Plutonium Handbook 1000
Three plays : drama 1000
Robot-supported joining of reinforcement textiles with one-sided sewing heads 600
SPSS for Windows Step by Step: A Simple Study Guide and Reference, 17.0 Update (10th Edition) 500
Multimodal injustices: Speech acts, gender bias, and speaker’s status 400
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 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4106192
求助须知:如何正确求助?哪些是违规求助? 3644100
关于积分的说明 11542941
捐赠科研通 3351096
什么是DOI,文献DOI怎么找? 1841209
邀请新用户注册赠送积分活动 907950
科研通“疑难数据库(出版商)”最低求助积分说明 825090