UniFormerV2: Spatiotemporal Learning by Arming Image ViTs with Video UniFormer

UniFormerV2 présente une nouvelle approche pour l'apprentissage spatio-temporel en intégrant les capacités de l'UniFormer vidéo dans les Vision Transformers d'images existants. Cette méthode vise à améliorer les performances des modèles d'IA dans la compréhension et le traitement des données vidéo.