UniFormerV2: Spatiotemporal Learning by Arming Image ViTs with Video UniFormer

UniFormerV2 apresenta uma nova abordagem para aprendizagem espaço-temporal, integrando capacidades do UniFormer de vídeo em Vision Transformers de imagem existentes. Este método visa melhorar o desempenho de modelos de IA na compreensão e processamento de dados de vídeo.