← Image-to-Text Retrieval

Papers with Code · CC BY-SA 4.0

COCO (Common Objects in Context)

아카이브 평가 9건 · 마지막 적재/변경 2026-10-30

원본 데이터셋 링크 1

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.

원본 기록 순서 · 순위 미부여
모델	원본 지표·값	논문	구현
BLIP-2 (ViT-G, fine-tuned)	Recall@10 98.5 Recall@1 85.4 Recall@5 97.0	BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models 2023-01-30	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17
ONE-PEACE (ViT-G, w/o ranking)	Recall@10 98.3 Recall@1 84.1 Recall@5 96.3	ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities 2023-05-18	코드 1 · 코드 2
BLIP-2 (ViT-L, fine-tuned)	Recall@10 98.0 Recall@1 83.5 Recall@5 96.0	BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models 2023-01-30	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17
IAIS	Recall@10 94.48 Recall@1 67.78 Recall@5 89.7	Learning Relation Alignment for Calibrated Cross-modal Retrieval 2021-05-28	코드 1
CLIP (zero-shot)	Recall@10 88.1 Recall@1 58.4 Recall@5 81.5	Learning Transferable Visual Models From Natural Language Supervision 2021-02-26	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46 · 코드 47 · 코드 48 · 코드 49 · 코드 50 · 코드 51 · 코드 52 · 코드 53 · 코드 54 · 코드 55 · 코드 56 · 코드 57 · 코드 58 · 코드 59 · 코드 60 · 코드 61 · 코드 62 · 코드 63 · 코드 64 · 코드 65 · 코드 66 · 코드 67 · 코드 68 · 코드 69 · 코드 70 · 코드 71 · 코드 72 · 코드 73 · 코드 74 · 코드 75 · 코드 76 · 코드 77 · 코드 78 · 코드 79 · 코드 80 · 코드 81 · 코드 82
FLAVA (ViT-B, zero-shot)	Recall@1 42.74 Recall@5 76.76	FLAVA: A Foundational Language And Vision Alignment Model 2021-12-08	코드 1 · 코드 2 · 코드 3 · 코드 4
Oscar	Recall@10 99.8	Oscar: Object-Semantics Aligned Pre-training for Vision-Language Tasks 2020-04-13	코드 1 · 코드 2 · 코드 3 · 코드 4
Unicoder-VL	Recall@10 97.2	Unicoder-VL: A Universal Encoder for Vision and Language by Cross-modal Pre-training 2019-08-16	연결 없음
DVSA	Recall@10 74.8	Deep Visual-Semantic Alignments for Generating Image Descriptions 2014-12-07	코드 1 · 코드 2 · 코드 3 · 코드 4