Papers with Code · CC BY-SA 4.0

OK-VQA

아카이브 평가 37건 · 마지막 적재/변경 2026-10-30

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
PaLI-X-VPD	Accuracy 66.8	Visual Program Distillation: Distilling Tools and Programmatic Reasoning into Vision-Language Models 2023-12-05	연결 없음
PaLM-E-562B	Accuracy 66.1	PaLM-E: An Embodied Multimodal Language Model 2023-03-06	코드 1 · 코드 2
PaLI-X (Single-task FT)	Accuracy 66.1	PaLI-X: On Scaling up a Multilingual Vision and Language Model 2023-05-29	코드 1 · 코드 2
PaLI 17B	Accuracy 64.5	PaLI: A Jointly-Scaled Multilingual Language-Image Model 2022-09-14	코드 1
Prophet	Accuracy 62.5	Prophet: Prompting Large Language Models with Complementary Answer Heuristics for Knowledge-based Visual Question Answering 2023-03-03	코드 1
RA-VQA-v2 (BLIP 2)	Accuracy 62.08 Exact Match (EM) 62.01 Recall@5 89.32	Fine-grained Late-interaction Multi-modal Retrieval for Retrieval Augmented Visual Question Answering 2023-09-29	코드 1
A Simple Baseline for KB-VQA	Accuracy 61.2	A Simple Baseline for Knowledge-Based Visual Question Answering 2023-10-20	연결 없음
PromptCap	Accuracy 60.4	PromptCap: Prompt-Guided Task-Aware Image Captioning 2022-11-15	코드 1
ReVeaL WIT + CC12M + Wikidata + VQA-2	Accuracy 59.1	REVEAL: Retrieval-Augmented Visual-Language Pre-Training with Multi-Source Multimodal Knowledge Memory 2022-12-10	코드 1
Lyrics	Accuracy 58.2	Lyrics: Boosting Fine-grained Language-Vision Alignment and Comprehension via Semantic-aware Visual Objects 2023-12-08	연결 없음
REVIVE (Ensemble)	Accuracy 58.0	REVIVE: Regional Visual Representation Matters in Knowledge-Based Visual Question Answering 2022-06-02	코드 1
REVIVE (Single)	Accuracy 56.6	REVIVE: Regional Visual Representation Matters in Knowledge-Based Visual Question Answering 2022-06-02	코드 1
RA-VQA-v2 (T5-large)	Accuracy 54.85	Fine-grained Late-interaction Multi-modal Retrieval for Retrieval Augmented Visual Question Answering 2023-09-29	코드 1
RA-VQA (T5-large)	Accuracy 54.48 Exact Match (EM) 59.41 Recall@5 82.84	Retrieval Augmented Visual Question Answering with Outside Knowledge 2022-10-07	코드 1
VK-OOD	Accuracy 52.4	Differentiable Outlier Detection Enable Robust Deep Multimodal Analysis 2023-02-11	코드 1
VK-OOD	Accuracy 52.4	Implicit Differentiable Outlier Detection Enable Robust Deep Multimodal Analysis 2023-09-21	코드 1
RA-VQA-FrDPR (T5-large)	Accuracy 51.22 Exact Match (EM) 55.77 Recall@5 81.25	Retrieval Augmented Visual Question Answering with Outside Knowledge 2022-10-07	코드 1
Flamingo80B	Accuracy 50.6	Flamingo: a Visual Language Model for Few-Shot Learning 2022-04-29	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5
TRiG (T5-Large)	Accuracy 50.50	Transform-Retrieve-Generate: Natural Language-Centric Outside-Knowledge Visual Question Answering 2022-01-01	연결 없음
HYDRA	Accuracy 48.6	HYDRA: A Hyper Agent for Dynamic Compositional Visual Reasoning 2024-03-19	코드 1
PICa	Accuracy 48.0	An Empirical Study of GPT-3 for Few-Shot Knowledge-Based VQA 2021-09-10	코드 1
LaKo	Accuracy 47.01	LaKo: Knowledge-driven Visual Question Answering via Late Knowledge-to-Text Injection 2022-07-26	코드 1
BLIP-2 ViT-G FlanT5 XXL (zero-shot)	Accuracy 45.9	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
Flamingo9B	Accuracy 44.7	Flamingo: a Visual Language Model for Few-Shot Learning 2022-04-29	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5
VLC-BERT	Accuracy 43.1	VLC-BERT: Visual Question Answering with Contextualized Commonsense Knowledge 2022-10-24	코드 1
T5(Tan and Bansal, 2019) + Prefixes	Accuracy 42.03	LaKo: Knowledge-driven Visual Question Answering via Late Knowledge-to-Text Injection 2022-07-26	코드 1
Flamingo3B	Accuracy 41.2	Flamingo: a Visual Language Model for Few-Shot Learning 2022-04-29	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5
BLIP-2 ViT-G FlanT5 XL (zero-shot)	Accuracy 40.7	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
BLIP-2 ViT-L FlanT5 XL (zero-shot)	Accuracy 39.4	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
BLIP-2 ViT-G OPT 6.7B (zero-shot)	Accuracy 36.4	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