← 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 |
| VAST |
|
VAST: A Vision-Audio-Subtitle-Text Omni-Modality Foundation Model and Dataset 2023-05-29 |
코드 1 · 코드 2 |
| VALOR |
|
VALOR: Vision-Audio-Language Omni-Perception Pretraining Model and Dataset 2023-04-17 |
코드 1 |
| GRAM |
|
Gramian Multimodal Representation Learning and Alignment 2024-12-16 |
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 |
| vid-TLDR (UMT-L) |
|
vid-TLDR: Training Free Token merging for Light-weight Video Transformer 2024-03-20 |
코드 1 |
| InternVideo |
|
InternVideo: General Video Foundation Models via Generative and Discriminative Learning 2022-12-06 |
코드 1 · 코드 2 |
| CLIP-ViP |
|
CLIP-ViP: Adapting Pre-trained Image-Text Model to Video-Language Representation Alignment 2022-09-14 |
코드 1 |
| HunYuan_tvr |
|
Tencent Text-Video Retrieval: Hierarchical Cross-Modal Interactions with Multi-Level Representations 2022-04-07 |
연결 없음 |
| VindLU |
|
VindLU: A Recipe for Effective Video-and-Language Pretraining 2022-12-09 |
코드 1 |
| TESTA (ViT-B/16) |
|
TESTA: Temporal-Spatial Token Aggregation for Long-form Video-Language Understanding 2023-10-29 |
코드 1 |
| RTQ |
|
RTQ: Rethinking Video-language Understanding Based on Image-text Model 2023-12-01 |
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 |
| CAMoE |
|
Improving Video-Text Retrieval by Multi-Stream Corpus Alignment and Dual Softmax Loss 2021-09-09 |
코드 1 · 코드 2 |
| EMCL-Net++ |
|
Expectation-Maximization Contrastive Learning for Compact Video-and-Language Representations 2022-11-21 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| HiTeA |
|
HiTeA: Hierarchical Temporal-Aware Video-Language Pre-training 2022-12-30 |
연결 없음 |
| DiffusionRet+QB-Norm |
|
DiffusionRet: Generative Text-Video Retrieval with Diffusion Model 2023-03-17 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| Singularity |
|
Revealing Single Frame Bias for Video-and-Language Learning 2022-06-07 |
코드 1 · 코드 2 |
| CenterCLIP (ViT-B/16) |
|
CenterCLIP: Token Clustering for Efficient Text-Video Retrieval 2022-05-02 |
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 |
| DiffusionRet |
|
DiffusionRet: Generative Text-Video Retrieval with Diffusion Model 2023-03-17 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| 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 |
| EMCL-Net |
|
Expectation-Maximization Contrastive Learning for Compact Video-and-Language Representations 2022-11-21 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| 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 |
| TACo |
|
TACo: Token-aware Cascade Contrastive Learning for Video-Text Alignment 2021-08-23 |
연결 없음 |
| MMT-Pretrained |
|
Multi-modal Transformer for Video Retrieval 2020-07-21 |
코드 1 |
| HD-VILA |
|
Advancing High-Resolution Video-Language Representation with Large-Scale Video Transcriptions 2021-11-19 |
코드 1 |
| Ours |
|
Video and Text Matching with Conditioned Embeddings 2021-10-21 |
코드 1 |
| MMT |
|
Multi-modal Transformer for Video Retrieval 2020-07-21 |
코드 1 |