您好，在复现您的项目时发现，在huggingface和GitHub中对于checkpoints的表述都是4 context+16 prediction，但实际使用中发现似乎checkpoints是pos_embed.shape = [17, 196, 1152]，也就是对应于16帧历史帧条件，想请问您一下这里是我理解错误还是开源时的失误呢？
您好，在复现您的项目时发现，在huggingface和GitHub中对于checkpoints的表述都是4 context+16 prediction，但实际使用中发现似乎checkpoints是pos_embed.shape = [17, 196, 1152]，也就是对应于16帧历史帧条件，想请问您一下这里是我理解错误还是开源时的失误呢？