关于Ego4D-NLQ v1 的权重与维度

[97winwins]

你好，感谢开源！我在复现 v1 时遇到预训练权重维度不匹配的问题，想确认您的训练设定。

我使用的配置是：
configs/Ego4D-NLQ/v1/ego4d_nlq_v1_multitask_egovlp_256_finetune_2e-4.yaml
video_feat_dir 指向 egovlp_lmdb（512 维特征）。

我尝试加载的预训练权重是您提供的：model_7_pretrain.pth.tar

但是加载时报错，提示 checkpoint 的 video_encoder 输入是 2304 维（如 [512, 2304, 3]），而当前模型是 [512, 512, 3]。
所以想请教：

1. v1 是从头训练的吗？还是从model_7_pretrain.pth.tar resume？抑或是是使用了与 egovlp 维度匹配的预训练权重？
2. 如果不是从头训练，能否提供 v1 对应的预训练权重或配置（特征维度）？

谢谢！

[Yisen-Feng]

已更新Readme

[97winwins]

已更新Readme
您好！我看了最新更新的 README，但里面似乎仍然没有明确说明 Ego4D‑NLQ v1 的预训练权重/特征维度设置。

我这边复现 v1 时遇到维度不匹配：

• config: configs/Ego4D-NLQ/v1/ego4d_nlq_v1_multitask_egovlp_256_finetune_2e-4.yaml
• video_feat_dir: egovlp_lmdb（512 维）
• ckpt: model_7_pretrain.pth.tar

报错显示 checkpoint 的 video_encoder 输入是 2304 维（如 [512, 2304, 3]），而当前模型是 [512, 512, 3]。

能否请教：

1. v1 是从头训练的吗？还是从 model_7_pretrain.pth.tar resume？
2. v1 训练时的视频特征维度到底是多少（512 还是 2304）？
3. 如果不是从头训练，能否提供 v1 匹配的预训练权重或配置说明？

谢谢！

[Yisen-Feng]

我放了EgoVLP的预训练权重

[97winwins]

好的感谢

我放了EgoVLP的预训练权重