TimeSformer-pytorch

收录理由

这个仓库是Facebook AI视频分类论文中Divided Space-Time Attention变体的精简实现，核心做法是先沿时间轴做注意力，再沿空间轴做注意力，这一设计让它区别于早期的视频Transformer。通过pip即可安装，使用时只需调用一个模型类，可自由调节深度、头数、patch大小和帧数，还支持帧掩码，方便处理同一批次中长度不一的视频。它属于研究型代码，不包含完整训练流程，数据加载和训练循环需要自己搭建，因此更适合用来快速验证想法、复现论文结果，或者把这种架构嵌入到更大的视频项目里。