← Zero-Shot Video Question Answer

Papers with Code · CC BY-SA 4.0

Video-MME

아카이브 평가 11건 · 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
Gemini 1.5 Pro	Accuracy (%) 81.3	Gemini 1.5: Unlocking multimodal understanding across millions of tokens of context 2024-03-08	코드 1
Video-RAG (Based on LLaVA-Video)	Accuracy (%) 77.4	Video-RAG: Visually-aligned Retrieval-Augmented Long Video Comprehension 2024-11-20	코드 1
GPT-4o	Accuracy (%) 77.2	GPT-4o: Visual perception performance of multimodal large language models in piglet activity understanding 2024-06-14	연결 없음
Gemini 1.5 Flash	Accuracy (%) 75.0	Gemini 1.5: Unlocking multimodal understanding across millions of tokens of context 2024-03-08	코드 1
GPT-4o mini	Accuracy (%) 68.9	GPT-4o: Visual perception performance of multimodal large language models in piglet activity understanding 2024-06-14	연결 없음
BIMBA-LLaVA-Qwen2-7B	Accuracy (%) 64.67	BIMBA: Selective-Scan Compression for Long-Range Video Question Answering 2025-03-12	코드 1
VILA-1.5 (34B)	Accuracy (%) 64.1	VILA: On Pre-training for Visual Language Models 2023-12-12	코드 1 · 코드 2 · 코드 3
MiniCPM-V 2.6 (8B)	Accuracy (%) 63.7	MiniCPM-V: A GPT-4V Level MLLM on Your Phone 2024-08-03	코드 1 · 코드 2
VideoLLaMA2 (72B)	Accuracy (%) 63.1	VideoLLaMA 2: Advancing Spatial-Temporal Modeling and Audio Understanding in Video-LLMs 2024-06-11	코드 1 · 코드 2 · 코드 3
LongVU (7B)	Accuracy (%) 60.6	LongVU: Spatiotemporal Adaptive Compression for Long Video-Language Understanding 2024-10-22	코드 1
VideoChat-T (7B)	Accuracy (%) 55.8	TimeSuite: Improving MLLMs for Long Video Understanding via Grounded Tuning 2024-10-25	코드 1