Video MViT¶
MViT 模型基于 MViTv2：改进的多尺度视觉Transformer用于分类和检测 和 多尺度视觉Transformer 论文。
模型构建器¶
以下模型构建器可用于实例化 MViT v1 或 v2 模型，无论是否具有预训练权重。所有模型构建器在内部都依赖于 torchvision.models.video.MViT 基类。有关此类的更多详细信息，请参阅 源代码。
|
根据 多尺度视觉Transformer 构造基本 MViTV1 架构。 |
|
根据 多尺度视觉Transformer 和 MViTv2：改进的多尺度视觉Transformer用于分类和检测 构造小型 MViTV2 架构。 |
