基于 PaddleVideo 的TokShift-Transformer复现-人工智能-PHP中文网

基于 PaddleVideo 的TokShift-Transformer复现

P粉084495128

发布： 2025-07-28 16:40:51

原创

724人浏览过

本文介绍飞桨论文复现挑战赛第六期Token Shift Transformer视频分类冠军复现代码，已入Paddle Video套件。该代码复现的模型结合ViT与TSM，在UCF101数据集上，以特定条件达成92.81%的Top1准确率，超目标值，并说明了相关操作步骤与结构。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

基于 paddlevideo 的tokshift-transformer复现 - php中文网

前言

本项目为飞桨论文复现挑战赛（第六期）的Token Shift Transformer for Video Classification 冠军复现代码，已收录于Paddle Video视频模型开发套件。

1. 简介

基于 PaddleVideo 的TokShift-Transformer复现 - php中文网 Paper： Zhang H, Hao Y, Ngo C W. Token shift transformer for video classification[C]//Proceedings of the 29th ACM International Conference on Multimedia. 2021: 917-925.

Code Reference：https://github.com/VideoNetworks/TokShift-Transformer

复现目标：UCF101数据集，ImageNet-21k预训练模型条件下，8x256x256输入尺寸，Top1=91.65

复现地址：Github

硅基智能

基于Web3.0的元宇宙，去中心化的互联网，高质量、沉浸式元宇宙直播平台，用数字化重新定义直播

查看详情

论文简析：Token Shift transformer 在应用于视频的ViT基础上，增加了额外的temporal processing modules，即将 ViT 与 TSM 进行结合。

ViT

Dosovitskiy A, Beyer L, Kolesnikov A, et al. An image is worth 16x16 words: Transformers for image recognition at scale[J]. arXiv preprint arXiv:2010.11929, 2020.

登录后复制

TSM

Lin J, Gan C, Han S. Tsm: Temporal shift module for efficient video understanding[C]//Proceedings of the IEEE/CVF International Conference on Computer Vision. 2019: 7083-7093.

登录后复制