[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-kenshohara--video-classification-3d-cnn-pytorch":3,"tool-kenshohara--video-classification-3d-cnn-pytorch":64},[4,17,27,35,44,52],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":10,"last_commit_at":41,"category_tags":42,"status":16},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[13,14,15,43],"视频",{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":23,"last_commit_at":50,"category_tags":51,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":23,"last_commit_at":58,"category_tags":59,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,60,43,61,15,62,26,13,63],"数据工具","插件","其他","音频",{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":78,"owner_email":80,"owner_twitter":78,"owner_website":81,"owner_url":82,"languages":83,"stars":88,"forks":89,"last_commit_at":90,"license":91,"difficulty_score":10,"env_os":92,"env_gpu":93,"env_ram":94,"env_deps":95,"category_tags":103,"github_topics":104,"view_count":23,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":111,"updated_at":112,"faqs":113,"releases":153},4114,"kenshohara\u002Fvideo-classification-3d-cnn-pytorch","video-classification-3d-cnn-pytorch","Video classification tools using 3D ResNet","video-classification-3d-cnn-pytorch 是一个基于 PyTorch 框架开发的视频动作分类工具，核心采用在 Kinetics 数据集（涵盖 400 种动作类别）上预训练的 3D ResNet 深度学习模型。它主要解决了从视频数据中自动识别和理解人类行为的技术难题，能够将输入的视频片段转化为具体的动作类别名称及置信度评分，或提取出高维特征向量供下游任务使用。\n\n该工具特别适合人工智能开发者、计算机视觉研究人员以及需要构建视频分析系统的工程师使用。其独特的技术亮点在于利用 3D 卷积神经网络同时捕捉视频的空间与时间维度信息，相比传统 2D 方法能更精准地理解动态画面；支持以每 16 帧为单位进行细粒度分析，并提供“评分”与“特征提取”两种灵活模式。此外，项目不仅提供了易于部署的预训练模型（如表现优异的 ResNeXt-101），还配套了结果可视化脚本，帮助用户直观验证分类效果，是探索时空序列建模的高效开源方案。","# Video Classification Using 3D ResNet\nThis is a pytorch code for video (action) classification using 3D ResNet trained by [this code](https:\u002F\u002Fgithub.com\u002Fkenshohara\u002F3D-ResNets-PyTorch).  \nThe 3D ResNet is trained on the Kinetics dataset, which includes 400 action classes.  \nThis code uses videos as inputs and outputs class names and predicted class scores for each 16 frames in the score mode.  \nIn the feature mode, this code outputs features of 512 dims (after global average pooling) for each 16 frames.  \n\n**Torch (Lua) version of this code is available [here](https:\u002F\u002Fgithub.com\u002Fkenshohara\u002Fvideo-classification-3d-cnn).**\n\n## Requirements\n* [PyTorch](http:\u002F\u002Fpytorch.org\u002F)\n```\nconda install pytorch torchvision cuda80 -c soumith\n```\n* FFmpeg, FFprobe\n```\nwget http:\u002F\u002Fjohnvansickle.com\u002Fffmpeg\u002Freleases\u002Fffmpeg-release-64bit-static.tar.xz\ntar xvf ffmpeg-release-64bit-static.tar.xz\ncd .\u002Fffmpeg-3.3.3-64bit-static\u002F; sudo cp ffmpeg ffprobe \u002Fusr\u002Flocal\u002Fbin;\n```\n* Python 3\n\n## Preparation\n* Download this code.\n* Download the [pretrained model](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1zvl89AgFAApbH0At-gMuZSeQB_LpNP-M?usp=sharing).  \n  * ResNeXt-101 achieved the best performance in our experiments. (See [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F1711.09577) in details.)\n\n## Usage\nAssume input video files are located in ```.\u002Fvideos```.\n\nTo calculate class scores for each 16 frames, use ```--mode score```.\n```\npython main.py --input .\u002Finput --video_root .\u002Fvideos --output .\u002Foutput.json --model .\u002Fresnet-34-kinetics.pth --mode score\n```\nTo visualize the classification results, use ```generate_result_video\u002Fgenerate_result_video.py```.\n\nTo calculate video features for each 16 frames, use ```--mode feature```.\n```\npython main.py --input .\u002Finput --video_root .\u002Fvideos --output .\u002Foutput.json --model .\u002Fresnet-34-kinetics.pth --mode feature\n```\n\n\n## Citation\nIf you use this code, please cite the following:\n```\n@article{hara3dcnns,\n  author={Kensho Hara and Hirokatsu Kataoka and Yutaka Satoh},\n  title={Can Spatiotemporal 3D CNNs Retrace the History of 2D CNNs and ImageNet?},\n  journal={arXiv preprint},\n  volume={arXiv:1711.09577},\n  year={2017},\n}\n```\n","# 使用3D ResNet进行视频分类\n这是一个使用3D ResNet进行视频（动作）分类的PyTorch代码，该模型由[此代码](https:\u002F\u002Fgithub.com\u002Fkenshohara\u002F3D-ResNets-PyTorch)训练而成。  \n3D ResNet是在Kinetics数据集上训练的，该数据集包含400个动作类别。  \n此代码以视频作为输入，在score模式下输出每16帧的类别名称和预测得分；在feature模式下，则输出每16帧经过全局平均池化后的512维特征。\n\n**该代码的Torch（Lua）版本可在[这里](https:\u002F\u002Fgithub.com\u002Fkenshohara\u002Fvideo-classification-3d-cnn)找到。**\n\n## 需求\n* [PyTorch](http:\u002F\u002Fpytorch.org\u002F)\n```\nconda install pytorch torchvision cuda80 -c soumith\n```\n* FFmpeg、FFprobe\n```\nwget http:\u002F\u002Fjohnvansickle.com\u002Fffmpeg\u002Freleases\u002Fffmpeg-release-64bit-static.tar.xz\ntar xvf ffmpeg-release-64bit-static.tar.xz\ncd .\u002Fffmpeg-3.3.3-64bit-static\u002F; sudo cp ffmpeg ffprobe \u002Fusr\u002Flocal\u002Fbin;\n```\n* Python 3\n\n## 准备工作\n* 下载本代码。\n* 下载[预训练模型](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1zvl89AgFAApbH0At-gMuZSeQB_LpNP-M?usp=sharing)。  \n  * 在我们的实验中，ResNeXt-101取得了最佳性能。（详情请参阅[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F1711.09577)。）\n\n## 使用方法\n假设输入视频文件位于```.\u002Fvideos```目录下。\n\n若需计算每16帧的类别得分，请使用```--mode score```选项。\n```\npython main.py --input .\u002Finput --video_root .\u002Fvideos --output .\u002Foutput.json --model .\u002Fresnet-34-kinetics.pth --mode score\n```\n\n若需可视化分类结果，请使用```generate_result_video\u002Fgenerate_result_video.py```脚本。\n\n若需计算每16帧的视频特征，请使用```--mode feature```选项。\n```\npython main.py --input .\u002Finput --video_root .\u002Fvideos --output .\u002Foutput.json --model .\u002Fresnet-34-kinetics.pth --mode feature\n```\n\n## 引用\n如果您使用了本代码，请引用以下文献：\n```\n@article{hara3dcnns,\n  author={Kensho Hara and Hirokatsu Kataoka and Yutaka Satoh},\n  title={Can Spatiotemporal 3D CNNs Retrace the History of 2D CNNs and ImageNet?},\n  journal={arXiv preprint},\n  volume={arXiv:1711.09577},\n  year={2017},\n}\n```","# video-classification-3d-cnn-pytorch 快速上手指南\n\n本工具基于 PyTorch 实现，利用在 Kinetics 数据集（400 类动作）上预训练的 3D ResNet 模型进行视频动作分类或特征提取。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n*   **操作系统**：Linux \u002F macOS (Windows 需配置相应环境)\n*   **Python 版本**：Python 3\n*   **核心依赖**：\n    *   PyTorch & torchvision\n    *   FFmpeg 和 FFprobe (用于视频处理)\n\n## 安装步骤\n\n### 1. 安装 PyTorch\n推荐使用 Conda 进行环境管理。如果您在国内，建议使用清华源或中科大源加速下载：\n\n```bash\n# 使用清华源安装 PyTorch (示例为 CUDA 8.0 版本，请根据实际显卡调整)\nconda install pytorch torchvision cudatoolkit=8.0 -c https:\u002F\u002Fmirrors.tuna.tsinghua.edu.cn\u002Fanaconda\u002Fcloud\u002Fpytorch\u002F\n```\n*注：若无需 GPU 支持，可移除 `cudatoolkit` 相关参数。*\n\n### 2. 安装 FFmpeg 和 FFprobe\n该工具依赖 FFmpeg 处理视频帧。以下是静态编译版的安装方法：\n\n```bash\nwget http:\u002F\u002Fjohnvansickle.com\u002Fffmpeg\u002Freleases\u002Fffmpeg-release-64bit-static.tar.xz\ntar xvf ffmpeg-release-64bit-static.tar.xz\ncd .\u002Fffmpeg-3.3.3-64bit-static\u002F\nsudo cp ffmpeg ffprobe \u002Fusr\u002Flocal\u002Fbin\u002F\ncd ..\n```\n*提示：如果上述链接下载缓慢，可在国内镜像站搜索 \"ffmpeg static build\" 获取替代资源。*\n\n### 3. 获取代码与模型\n克隆或下载本项目代码，并下载预训练模型权重（推荐性能最佳的 **ResNeXt-101** 或 **ResNet-34**）：\n*   **模型下载地址**：[Google Drive 链接](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1zvl89AgFAApbH0At-gMuZSeQB_LpNP-M?usp=sharing)\n*   将下载的 `.pth` 文件（例如 `resnet-34-kinetics.pth`）放置在项目根目录。\n\n## 基本使用\n\n假设您的输入视频文件已存放在 `.\u002Fvideos` 目录下。\n\n### 模式一：视频分类（输出类别及得分）\n此模式会对每 16 帧计算一次动作类别及其置信度分数。\n\n```bash\npython main.py --input .\u002Finput --video_root .\u002Fvideos --output .\u002Foutput.json --model .\u002Fresnet-34-kinetics.pth --mode score\n```\n运行后，结果将保存至 `output.json`。如需可视化结果，可运行 `generate_result_video\u002Fgenerate_result_video.py`。\n\n### 模式二：特征提取（输出向量特征）\n此模式会提取每 16 帧的 512 维特征向量（经过全局平均池化后），适用于后续自定义任务。\n\n```bash\npython main.py --input .\u002Finput --video_root .\u002Fvideos --output .\u002Foutput.json --model .\u002Fresnet-34-kinetics.pth --mode feature\n```\n\n**参数说明：**\n*   `--video_root`: 存放输入视频的文件夹路径。\n*   `--model`: 预训练模型文件的路径。\n*   `--output`: 输出结果文件的保存路径。\n*   `--mode`: 运行模式，可选 `score` (分类) 或 `feature` (特征提取)。","某短视频平台的内容审核团队每天需要处理数万条用户上传的运动类视频，急需自动识别其中包含的具体动作类型以进行合规分类。\n\n### 没有 video-classification-3d-cnn-pytorch 时\n- 审核员只能依靠人工逐帧观看视频来判断动作，面对海量数据效率极低且容易疲劳出错。\n- 传统的 2D 图像分类模型无法捕捉时间维度上的动作连贯性，常将“打网球”误判为“挥手”。\n- 缺乏统一的特征提取标准，不同开发人员编写的脚本输出格式混乱，难以整合进现有的推荐系统。\n- 手动标注训练数据成本高昂，且难以覆盖 Kinetics 数据集中涵盖的 400 种复杂动作类别。\n\n### 使用 video-classification-3d-cnn-pytorch 后\n- 利用预训练的 3D ResNet 模型批量处理视频，自动输出每 16 帧的动作分类得分，审核效率提升数十倍。\n- 通过 3D 卷积网络同时提取空间与时间特征，精准区分“前空翻”与“后空翻”等细微动态差异。\n- 开启 feature 模式可直接生成标准的 512 维视频特征向量，无缝对接下游的检索与聚类算法。\n- 直接复用基于 Kinetics 数据集训练的权重，无需从零开始收集数据，即刻获得识别 400 种主流动作的能力。\n\nvideo-classification-3d-cnn-pytorch 将原本依赖人眼判断的非结构化视频流，转化为机器可理解的高精度时空特征，实现了视频内容理解的自动化与标准化。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkenshohara_video-classification-3d-cnn-pytorch_14b4c9a7.png","kenshohara","Kensho Hara","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fkenshohara_db36a864.png",null,"National Institute of Advanced Industrial Science and Technology","kensho.hara@aist.go.jp","https:\u002F\u002Fkenshohara.github.io\u002F","https:\u002F\u002Fgithub.com\u002Fkenshohara",[84],{"name":85,"color":86,"percentage":87},"Python","#3572A5",100,1132,256,"2026-03-18T11:34:30","MIT","Linux","需要 NVIDIA GPU (由 cuda80 推断)，具体型号和显存未说明，需支持 CUDA 8.0","未说明",{"notes":96,"python":97,"dependencies":98},"1. 官方安装指令明确指定使用 CUDA 8.0 (cuda80) 版本的 PyTorch。2. 必须安装 FFmpeg 和 FFprobe 用于视频处理，README 提供了具体的静态编译版本下载和安装步骤。3. 需手动下载预训练模型文件（如 ResNeXt-101 或 ResNet-34）方可运行。4. 代码基于 Kinetics 数据集训练，包含 400 个动作类别。","3.x",[99,100,101,102],"pytorch","torchvision","FFmpeg","FFprobe",[14,13,43],[105,106,107,99,108,109,110],"video-classification","computer-vision","computer-vision-tools","python","action-recognition","deep-learning","2026-03-27T02:49:30.150509","2026-04-06T12:16:59.731037",[114,119,124,129,134,139,144,149],{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},18757,"运行示例时遇到 'Missing key(s) in state_dict' 错误如何解决？","尝试将配置参数中的 \"resnet_shortcut\" 从 \"A\" 更改为 \"B\"。这通常能解决因残差连接类型不匹配导致的权重加载失败问题。","https:\u002F\u002Fgithub.com\u002Fkenshohara\u002Fvideo-classification-3d-cnn-pytorch\u002Fissues\u002F58",{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},18755,"如何解决运行时的显存不足（Out of Memory）错误？","可以通过减小批次大小（batch size）来解决显存不足的问题。此外，尝试使用较浅的模型架构也可能有助于在显存有限的 GPU 上正常运行。","https:\u002F\u002Fgithub.com\u002Fkenshohara\u002Fvideo-classification-3d-cnn-pytorch\u002Fissues\u002F15",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},18756,"加载预训练模型时出现 'Unexpected key(s) in state_dict' 或键名不匹配错误怎么办？","这通常是因为预训练权重是在多 GPU 环境下训练的，导致键名带有 'module.' 前缀。加载时需要移除该前缀。代码示例如下：\n```\nstate_dict = w['state_dict']\nnew_state_dict = OrderedDict()\nfor k, v in state_dict.items():\n     name = k[7:]  # 移除 'module.' 前缀\n     new_state_dict[name] = v\nmodel.load_state_dict(new_state_dict)\n```","https:\u002F\u002Fgithub.com\u002Fkenshohara\u002Fvideo-classification-3d-cnn-pytorch\u002Fissues\u002F29",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},18758,"命令行参数 --input、--video_root 和 --output 分别代表什么？","--input 是一个 txt 文件的路径，该文件中包含了待处理视频文件（如 mp4）的名称列表；--video_root (或 --video_path) 是存放这些视频文件的实际根目录路径；--output 指定输出结果文件（如 JSON 格式）的保存路径。","https:\u002F\u002Fgithub.com\u002Fkenshohara\u002Fvideo-classification-3d-cnn-pytorch\u002Fissues\u002F14",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},18759,"在哪里可以下载预训练的模型文件？","预训练模型托管在 Google Drive 上。如果原链接失效，请查看项目维护者更新的链接。例如 UCF-101 微调后的 ResNeXt-101 模型文件名为 `resnext-101-kinetics-ucf101_split1.pth`，64 帧版本为 `resnext-101-64f-kinetics-ucf101_split1.pth`。","https:\u002F\u002Fgithub.com\u002Fkenshohara\u002Fvideo-classification-3d-cnn-pytorch\u002Fissues\u002F34",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},18760,"如何提取 fc7 层（4096 维）的特征而不是全局平均池化特征？","默认情况下代码可能输出全局平均池化后的特征。若要提取 fc7 层特征，需要修改模型定义或特征提取脚本，移除最后的池化层或直接截取全连接层之前的输出。具体实现需根据网络结构调整代码以返回中间层特征。","https:\u002F\u002Fgithub.com\u002Fkenshohara\u002Fvideo-classification-3d-cnn-pytorch\u002Fissues\u002F2",{"id":145,"question_zh":146,"answer_zh":147,"source_url":148},18761,"如何处理不同长度视频的自适应采样时长（sample_duration）以提取固定数量的特征？","目前代码主要支持固定采样时长。若要实现自适应采样（例如无论视频长短都提取 16 个特征），需要根据视频总帧数动态计算 sample_duration。例如：若视频 300 帧需采 16 段，则 sample_duration 约为 18；若 400 帧，则约为 25。这需要用户自行修改数据加载逻辑以实现动态计算。","https:\u002F\u002Fgithub.com\u002Fkenshohara\u002Fvideo-classification-3d-cnn-pytorch\u002Fissues\u002F5",{"id":150,"question_zh":151,"answer_zh":152,"source_url":143},18762,"在 Kinetics 数据集上训练 ResNet-18 需要多长时间？","训练时间取决于机器性能和数据集大小。参考数据显示，使用 4 块 TITAN X GPU 在 Kinetics 数据集上训练 ResNet-18 大约需要 1 周时间完成。",[]]