UniFormerV2: Spatiotemporal Learning by Arming Image ViTs with Video UniFormer

UniFormerV2 introduce un enfoque novedoso para el aprendizaje espacio-temporal al integrar capacidades de UniFormer de video en los Vision Transformers de imagen existentes. Este método busca mejorar el rendimiento de los modelos de IA en la comprensión y el procesamiento de datos de video.