← Zero-Shot 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 |
| GRAM |
|
Gramian Multimodal Representation Learning and Alignment 2024-12-16 |
코드 1 · 코드 2 |
| InternVideo2-1B |
|
InternVideo2: Scaling Foundation Models for Multimodal Video Understanding 2024-03-22 |
코드 1 · 코드 2 |
| VAST, HowToCaption-finetuned |
|
HowToCaption: Prompting LLMs to Transform Video Annotations at Scale 2023-10-07 |
코드 1 |
| FluxViT-B |
|
Make Your Training Flexible: Towards Deployment-Efficient Video Models 2025-03-18 |
코드 1 |
| VAST |
|
VAST: A Vision-Audio-Subtitle-Text Omni-Modality Foundation Model and Dataset 2023-05-29 |
코드 1 · 코드 2 |
| 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 |
| FluxViT-S |
|
Make Your Training Flexible: Towards Deployment-Efficient Video Models 2025-03-18 |
코드 1 |
| LanguageBind(ViT-H/14) |
|
LanguageBind: Extending Video-Language Pretraining to N-modality by Language-based Semantic Alignment 2023-10-03 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 |
| LanguageBind(ViT-L/14) |
|
LanguageBind: Extending Video-Language Pretraining to N-modality by Language-based Semantic Alignment 2023-10-03 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 |
| UMT-L (ViT-L/16) |
|
Unmasked Teacher: Towards Training-Efficient Video Foundation Models 2023-03-28 |
코드 1 |
| vid-TLDR (UMT-L) |
|
vid-TLDR: Training Free Token merging for Light-weight Video Transformer 2024-03-20 |
코드 1 |
| BT-Adapter |
|
BT-Adapter: Video Conversation is Feasible Without Video Instruction Tuning 2023-09-27 |
코드 1 |
| InternVideo |
|
InternVideo: General Video Foundation Models via Generative and Discriminative Learning 2022-12-06 |
코드 1 · 코드 2 |
| Florence |
|
Florence: A New Foundation Model for Computer Vision 2021-11-22 |
코드 1 · 코드 2 |
| HowToCaption |
|
HowToCaption: Prompting LLMs to Transform Video Annotations at Scale 2023-10-07 |
코드 1 |
| ImageBind |
|
ImageBind: One Embedding Space To Bind Them All 2023-05-09 |
코드 1 · 코드 2 · 코드 3 |
| OmniVL |
|
OmniVL:One Foundation Model for Image-Language and Video-Language Tasks 2022-09-15 |
연결 없음 |
| HiTeA-17M |
|
HiTeA: Hierarchical Temporal-Aware Video-Language Pre-training 2022-12-30 |
연결 없음 |
| Singularity-17M |
|
Revealing Single Frame Bias for Video-and-Language Learning 2022-06-07 |
코드 1 · 코드 2 |
| CLIP4Clip |
|
CLIP4Clip: An Empirical Study of CLIP for End to End Video Clip Retrieval 2021-04-18 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 |
| Yatai Ji et. al. |
|
Seeing What You Miss: Vision-Language Pre-training with Semantic Completion Learning 2022-11-24 |
코드 1 |
| HiTeA-5M |
|
HiTeA: Hierarchical Temporal-Aware Video-Language Pre-training 2022-12-30 |
연결 없음 |
| Singularity-5M |
|
Revealing Single Frame Bias for Video-and-Language Learning 2022-06-07 |
코드 1 · 코드 2 |
| Clover |
|
Clover: Towards A Unified Video-Language Alignment and Fusion Model 2022-07-16 |
코드 1 |
| MILES |
|
MILES: Visual BERT Pre-training with Injected Language Semantics for Video-text Retrieval 2022-04-26 |
코드 1 |
| Y. Ge et. al. |
|
Bridging Video-text Retrieval with Multiple Choice Questions 2022-01-13 |
코드 1 · 코드 2 |
| VIOLET |
|
VIOLET : End-to-End Video-Language Transformers with Masked Visual-token Modeling 2021-11-24 |
코드 1 |
| FROZEN |
|
Frozen in Time: A Joint Video and Image Encoder for End-to-End Retrieval 2021-04-01 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 |
| ALPRO |
|
Align and Prompt: Video-and-Language Pre-training with Entity Prompts 2021-12-17 |
코드 1 |