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☜☜☜
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
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
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.
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.
2. 复现精度
(
以上就是基于 PaddleVideo 的TokShift-Transformer复现的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/51045.html
微信扫一扫 
支付宝扫一扫 
![[代码比较] ArrayList vs CollectionssingletonList](https://www.chuangxiangniao.com/wp-content/uploads/2025/11/172301312549184-480x300.jpg)
