数行代码训练视频模型，PyTorch视频理解利器出炉-技术圈

来源：机器之心

Facebook人工智能实验室在 PySlowFast 之后时隔两年，携 PyTorchVideo 重入战场。

视频作为当今最被广为使用的媒体形式，已逐渐占超过文字和图片，据了人们更多的浏览时间。这使得视频理解变得尤为重要。各大互联网公司与顶尖高校纷纷绞尽脑汁，竞相研究前沿视频理解模型与算法。在谷歌，Facebook，亚麻，Open-MM Lab 等分别祭出各家杀器之后，Facebook人工智能实验室在 PySlowFast 之后时隔两年，携 PyTorchVideo 重入战场。

官方网站：https://pytorchvideo.org/

PyTorchVideo 好像哪儿都能用

不同于在座的各位视频代码理解框架只醉心于自家框架，无法移步与其他代码库。PyTorchVideo 似乎如同 torchvision 等基础代码库一般，“哪儿都能用”！PyTorchVideo 不但可以用在视频理解任务中，甚至可以用在其他任务的代码库。Facebook人工实验室不但 PySlowFast 代码库上无缝使用上了 PyTorchVideo，并且还在 Classy Vision，PyTorch Lightening 等等框架上无缝插入。

作为含着金钥匙出生的 PyTorchVideo，其直接成为了 PyTorch Lightning-Flash 的视频理解担当，作为基础库被默认使用。如，在 FiftyOne 项目中，开源社区的吃瓜群众就利 Lightning-Flash 鬼畜出了一个浏览视频的工具箱，可以直接查看视频的动作类别。

PyTorchVideo 好像啥都管

更厉害的是，PyTorchVideo 似乎“啥都管”！不但在视频分类，动作检测等任务中深耕前沿，还“略懂”Lecun 最爱的自监督学习，甚至音频事件检测等等千奇百怪的任务也不在话下。

PyTorchVideo 好像手机也能玩

更丧心病狂的是，PyTorchVideo 一并开源了移动端的加速优化。不但提供了手把手的教程，将视频模型一步步优化核心 Kernel，量化（quantilize）加速，数倍加速后在移动端实时运行，甚至官方直接暴力放出 Android 和 iOS 移动端开源代码，将前沿的视频模型直接塞到手机里跑着玩玩。

PyTorchVideo 到底是个啥

PyTorchVideo 的真身是一个基础视频库，可以服务于各种代码库。除了全方位的前沿视频模型模型，开源视频模型，其中还含有各类视频基础算法，视频数据操作，各类流行视频数据集，视频增广，视频模型加速量化，等等一些列的全栈视频相关内容。据官方博客透露，PyTorchVideo 开源了一大票视频模型，包括Facebook人工智能实验室近期出现在 ICCV，ICML 等回忆中的工作：

●Multiscale Vision Transformers

●A large-scale study on unsupervised spatiotemporal representation learning

●Multiview pseudo-labeling for semi-supervised learning from video

●Is space-time attention all you need for video understanding?

●Keeping Your Eye on the Ball: Trajectory Attention in Video Transformers

●SlowFast networks for video recognition

●X3D: Expanding architectures for efficient video recognition

●Audiovisual SlowFast networks for video recognition

●Non-local neural networks

●A closer look at spatiotemporal

● convolutions for action recognition

●Video classification with channel-separated convolutional networks

似乎其 MultiScale Vision Transform 也位列其中，有兴趣的朋友可以去一探究竟。

PyTorchVideo 怎么玩

浏览一下官方的教程并上手实验一下，发现通过 PyTorchVideo 只需要寥寥几行就可以训练一个视频模型：

开发者们也可从开源的训练模型库中直接使用模型。

Kinetics-400

Something-Something V2

Charades

AVA (V2.2)

甚至通过 PyTorchVideo 加持的 Lightning Flash，分类视频仅仅只需三行。

参考链接:

https://pytorchvideo.org/

https://ai.facebook.com/blog/pytorchvideo-a-deep-learning-library-for-video-understanding/

努力分享优质的计算机视觉相关内容，欢迎关注：

个人微信（如果没有备注不拉群！）

请注明：地区+学校/企业+研究方向+昵称

下载1：何恺明顶会分享

在「AI算法与图像处理」公众号后台回复：何恺明，即可下载。总共有6份PDF，涉及 ResNet、Mask RCNN等经典工作的总结分析

下载2：终身受益的编程指南：Google编程风格指南

在「AI算法与图像处理」公众号后台回复：c++，即可下载。历经十年考验，最权威的编程规范！

下载3 CVPR2021

在「AI算法与图像处理」公众号后台回复：CVPR，即可下载1467篇CVPR 2020论文 和 CVPR 2021 最新论文

点亮只需一秒，我却能开心一天