← Video Retrieval
평가 기록
과거 수집 기록이며 최신 순위가 아닙니다. 데이터셋 버전·split·실험 조건과 지표 방향이 검증되지 않은 결과는 직접 비교할 수 없습니다. 날짜는 논문 날짜이며 최신 평가일을 뜻하지 않습니다.
표가 화면보다 넓으면 좌우로 스크롤하여 논문과 구현 링크를 확인하세요.
| 모델 | 원본 지표·값 | 논문 | 구현 |
|---|---|---|---|
| InternVideo2-6B |
|
InternVideo2: Scaling Foundation Models for Multimodal Video Understanding 2024-03-22 |
코드 1 · 코드 2 |
| vid-TLDR (UMT-L) |
|
vid-TLDR: Training Free Token merging for Light-weight Video Transformer 2024-03-20 |
코드 1 |
| VAST |
|
VAST: A Vision-Audio-Subtitle-Text Omni-Modality Foundation Model and Dataset 2023-05-29 |
코드 1 · 코드 2 |
| COSA |
|
COSA: Concatenated Sample Pretrained Vision-Language Foundation Model 2023-06-15 |
코드 1 |
| UMT-L (ViT-L/16) |
|
Unmasked Teacher: Towards Training-Efficient Video Foundation Models 2023-03-28 |
코드 1 |
| GRAM |
|
Gramian Multimodal Representation Learning and Alignment 2024-12-16 |
코드 1 · 코드 2 |
| VALOR |
|
VALOR: Vision-Audio-Language Omni-Perception Pretraining Model and Dataset 2023-04-17 |
코드 1 |
| TESTA (ViT-B/16) |
|
TESTA: Temporal-Spatial Token Aggregation for Long-form Video-Language Understanding 2023-10-29 |
코드 1 |
| VindLU |
|
VindLU: A Recipe for Effective Video-and-Language Pretraining 2022-12-09 |
코드 1 |
| InternVideo |
|
InternVideo: General Video Foundation Models via Generative and Discriminative Learning 2022-12-06 |
코드 1 · 코드 2 |
| RTQ |
|
RTQ: Rethinking Video-language Understanding Based on Image-text Model 2023-12-01 |
코드 1 · 코드 2 |
| VLAB |
|
VLAB: Enhancing Video Language Pre-training by Feature Adapting and Blending 2023-05-22 |
연결 없음 |
| HiTeA |
|
HiTeA: Hierarchical Temporal-Aware Video-Language Pre-training 2022-12-30 |
연결 없음 |
| MuLTI |
|
MuLTI: Efficient Video-and-Language Understanding with Text-Guided MultiWay-Sampler and Multiple Choice Modeling 2023-03-10 |
연결 없음 |
| mPLUG-2 |
|
mPLUG-2: A Modularized Multi-modal Foundation Model Across Text, Image and Video 2023-02-01 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| CLIP-ViP |
|
CLIP-ViP: Adapting Pre-trained Image-Text Model to Video-Language Representation Alignment 2022-09-14 |
코드 1 |
| STAN |
|
Revisiting Temporal Modeling for CLIP-based Image-to-Video Knowledge Transferring 2023-01-26 |
코드 1 |
| Singularity |
|
Revealing Single Frame Bias for Video-and-Language Learning 2022-06-07 |
코드 1 · 코드 2 |
| DMAE (ViT-B/32) |
|
Dual-Modal Attention-Enhanced Text-Video Retrieval with Triplet Partial Margin Contrastive Learning 2023-09-20 |
코드 1 |
| HunYuan_tvr (huge) |
|
Tencent Text-Video Retrieval: Hierarchical Cross-Modal Interactions with Multi-Level Representations 2022-04-07 |
연결 없음 |
| OmniVL |
|
OmniVL:One Foundation Model for Image-Language and Video-Language Tasks 2022-09-15 |
연결 없음 |
| HunYuan_tvr |
|
Tencent Text-Video Retrieval: Hierarchical Cross-Modal Interactions with Multi-Level Representations 2022-04-07 |
연결 없음 |
| Cap4Video |
|
Cap4Video: What Can Auxiliary Captions Do for Text-Video Retrieval? 2022-12-31 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| Clover |
|
Clover: Towards A Unified Video-Language Alignment and Fusion Model 2022-07-16 |
코드 1 |
| DRL |
|
Disentangled Representation Learning for Text-Video Retrieval 2022-03-14 |
코드 1 · 코드 2 |
| DiffusionRet+QB-Norm |
|
DiffusionRet: Generative Text-Video Retrieval with Diffusion Model 2023-03-17 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| PAU |
|
Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval 2023-09-29 |
코드 1 |
| VIOLETv2 |
|
An Empirical Study of End-to-End Video-Language Transformers with Masked Visual Modeling 2022-09-04 |
코드 1 |
| X-CLIP |
|
X-CLIP: End-to-End Multi-grained Contrastive Learning for Video-Text Retrieval 2022-07-15 |
코드 1 · 코드 2 · 코드 3 |
| HBI |
|
Video-Text as Game Players: Hierarchical Banzhaf Interaction for Cross-Modal Representation Learning 2023-03-25 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |