PK PyTorchKR Papers
← Action Classification
Papers with Code · CC BY-SA 4.0

Kinetics-600

아카이브 평가 65건 · 마지막 적재/변경

원본 데이터셋 링크 1

평가 기록

과거 수집 기록이며 최신 순위가 아닙니다. 데이터셋 버전·split·실험 조건과 지표 방향이 검증되지 않은 결과는 직접 비교할 수 없습니다. 날짜는 논문 날짜이며 최신 평가일을 뜻하지 않습니다.

표가 화면보다 넓으면 좌우로 스크롤하여 논문과 구현 링크를 확인하세요.

원본 기록 순서 · 순위 미부여
모델원본 지표·값논문구현
InternVideo2-6B
Top-1 Accuracy
91.9
 InternVideo2: Scaling Foundation Models for Multimodal Video Understanding
2024-03-22		 코드 1 · 코드 2
TubeVit-H
Top-1 Accuracy
91.8
Top-5 Accuracy
98.9
 Rethinking Video ViTs: Sparse Video Tubes for Joint Image and Video Learning
2022-12-06		 코드 1
InternVideo2-1B
Top-1 Accuracy
91.6
 InternVideo2: Scaling Foundation Models for Multimodal Video Understanding
2024-03-22		 코드 1 · 코드 2
TubeVit-L
Top-1 Accuracy
91.5
Top-5 Accuracy
98.7
 Rethinking Video ViTs: Sparse Video Tubes for Joint Image and Video Learning
2022-12-06		 코드 1
InternVideo-T
Top-1 Accuracy
91.3
 InternVideo: General Video Foundation Models via Generative and Discriminative Learning
2022-12-06		 코드 1 · 코드 2
🍷MerlotReserve-Large (+Audio)
Top-1 Accuracy
91.1
Top-5 Accuracy
97.1
 MERLOT Reserve: Neural Script Knowledge through Vision and Language and Sound
2022-01-07		 연결 없음
TubeVit-B
Top-1 Accuracy
90.9
Top-5 Accuracy
97.3
 Rethinking Video ViTs: Sparse Video Tubes for Joint Image and Video Learning
2022-12-06		 코드 1
UMT-L (ViT-L/16)
Top-1 Accuracy
90.5
Top-5 Accuracy
98.8
 Unmasked Teacher: Towards Training-Efficient Video Foundation Models
2023-03-28		 코드 1
MTV-H (WTS 60M)
Top-1 Accuracy
90.3
Top-5 Accuracy
98.5
 Multiview Transformers for Video Recognition
2022-01-12		 코드 1
UniFormerV2-L
Top-1 Accuracy
90.1
Top-5 Accuracy
98.5
 UniFormerV2: Spatiotemporal Learning by Arming Image ViTs with Video UniFormer
2022-09-22		 코드 1 · 코드 2
VideoMAE V2-g (64x266x266)
Top-1 Accuracy
89.9
Top-5 Accuracy
98.5
 VideoMAE V2: Scaling Video Masked Autoencoders with Dual Masking
2023-03-29		 코드 1
mPLUG-2
Top-1 Accuracy
89.8
Top-5 Accuracy
98.3
 mPLUG-2: A Modularized Multi-modal Foundation Model Across Text, Image and Video
2023-02-01		 코드 1 · 코드 2 · 코드 3 · 코드 4
EVA
Top-1 Accuracy
89.8%
 EVA: Exploring the Limits of Masked Visual Representation Learning at Scale
2022-11-14		 코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6
🍷MerlotReserve-Base (+Audio)
Top-1 Accuracy
89.7
Top-5 Accuracy
96.6
 MERLOT Reserve: Neural Script Knowledge through Vision and Language and Sound
2022-01-07		 연결 없음
🍷MerlotReserve-Large (no Audio)
Top-1 Accuracy
89.4
Top-5 Accuracy
96.3
 MERLOT Reserve: Neural Script Knowledge through Vision and Language and Sound
2022-01-07		 연결 없음
CoCa (finetuned)
Top-1 Accuracy
89.4
 CoCa: Contrastive Captioners are Image-Text Foundation Models
2022-05-04		 코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6
VideoMAE V2-g
Top-1 Accuracy
88.8
Top-5 Accuracy
98.2
 VideoMAE V2: Scaling Video Masked Autoencoders with Dual Masking
2023-03-29		 코드 1
Hiera-H (no extra data)
Top-1 Accuracy
88.8
 Hiera: A Hierarchical Vision Transformer without the Bells-and-Whistles
2023-06-01		 코드 1 · 코드 2 · 코드 3 · 코드 4
CoCa (frozen)
Top-1 Accuracy
88.5
 CoCa: Contrastive Captioners are Image-Text Foundation Models
2022-05-04		 코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6
MaskFeat (no extra data, MViT-L)
Top-1 Accuracy
88.3
Top-5 Accuracy
98.0
 Masked Feature Prediction for Self-Supervised Visual Pre-Training
2021-12-16		 코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6
X-CLIP(ViT-L/14, CLIP)
Top-1 Accuracy
88.3
Top-5 Accuracy
97.7
 Expanding Language-Image Pretrained Models for General Video Recognition
2022-08-04		 코드 1 · 코드 2
🍷MerlotReserve-Base (no Audio)
Top-1 Accuracy
88.1
Top-5 Accuracy
95.8
 MERLOT Reserve: Neural Script Knowledge through Vision and Language and Sound
2022-01-07		 연결 없음
MViTv2-L (ImageNet-21k pretrain)
Top-1 Accuracy
87.9
Top-5 Accuracy
97.9
 MViTv2: Improved Multiscale Vision Transformers for Classification and Detection
2021-12-02		 코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9
CoVeR (JFT-3B)
Top-1 Accuracy
87.9
Top-5 Accuracy
97.8
 Co-training Transformer with Videos and Images Improves Action Recognition
2021-12-14		 연결 없음
Florence (curated FLD-900M pretrain)
Top-1 Accuracy
87.8
Top-5 Accuracy
97.9
 Florence: A New Foundation Model for Computer Vision
2021-11-22		 코드 1 · 코드 2
CoVeR (JFT-300M)
Top-1 Accuracy
86.8
Top-5 Accuracy
97.3
 Co-training Transformer with Videos and Images Improves Action Recognition
2021-12-14		 연결 없음
TokenLearner 16at18 w. Fuser (L/10)
Top-1 Accuracy
86.3
Top-5 Accuracy
97.0
 TokenLearner: What Can 8 Learned Tokens Do for Images and Videos?
2021-06-21		 코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11
Swin-L (384x384, ImageNet-21k pretrain)
Top-1 Accuracy
86.1
Top-5 Accuracy
97.3
 Video Swin Transformer
2021-06-24		 코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15
ViViT-H/16x2 (JFT)
Top-1 Accuracy
85.8
Top-5 Accuracy
96.5
 ViViT: A Video Vision Transformer
2021-03-29		 코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10
MViTv2-L (train from scratch)
Top-1 Accuracy
85.5
 MViTv2: Improved Multiscale Vision Transformers for Classification and Detection
2021-12-02		 코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9