标签: #TSM
用亲手运行、亲手测量的数据来写 Kubernetes、DevOps 与 MLOps · 1 篇
视频模型：3D 卷积、双流（SlowFast）、注意力（TimeSformer）——以及视频掩码预测（VideoMAE）
本文分三类总结了为单帧图像模型增加时间维度的方法。分别是将滤波器在时间方向上延伸的 3D 卷积（C3D、通过放大 ImageNet 权重启动的 I3D）、并排设置慢速和快速路径的双流（Two-stream、SlowFast），以及在时间和空间上分离注意力的 Transformer（TimeSformer）。文中结合条件记录了廉价替代方案 TSM 的通道平移，以及掩码 90% 的 VideoMAE 的“管状掩码（tube masking）
2026-10-17 · 16 分钟阅读 #비전 모델#영상 인식#I3D#SlowFast#TimeSformer