TimeSformer:我们的论文“视频理解只需要时空注意力吗？”的pytorch正式实现。

TimeSformer 这是的正式pytorch实现 。 在此存储库中，我们提供PyTorch代码以训练和测试我们建议的TimeSformer模型。 TimeSformer提供了一个有效的视频分类框架，该框架可以在多个视频动作识别基准（例如Kinetics-400）上达到最新的结果。 如果您发现TimeSformer对您的研究有用，请使用下面的BibTeX条目进行引用。 @misc { bertasius2021spacetime , title = { Is Space-Time Attention All You Need for Video Understanding? } , author = { Gedas Bertasius and Heng Wang and Lorenzo Torresani } , year = { 2021 }