← Visual Question Answering (VQA)

Papers with Code · CC BY-SA 4.0

GQA test-dev

아카이브 평가 17건 · 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
CFR	Accuracy 72.1	Coarse-to-Fine Reasoning for Visual Question Answering 2021-10-06	코드 1 · 코드 2
PaLI-X-VPD	Accuracy 67.3	Visual Program Distillation: Distilling Tools and Programmatic Reasoning into Vision-Language Models 2023-12-05	연결 없음
CuMo-7B	Accuracy 64.9	CuMo: Scaling Multimodal LLM with Co-Upcycled Mixture-of-Experts 2024-05-09	코드 1
Video-LaVIT	Accuracy 64.4	Video-LaVIT: Unified Video-Language Pre-training with Decoupled Visual-Motional Tokenization 2024-02-05	코드 1
NSM	Accuracy 62.95	Learning by Abstraction: The Neural State Machine 2019-07-09	코드 1 · 코드 2 · 코드 3 · 코드 4
Lyrics	Accuracy 62.4	Lyrics: Boosting Fine-grained Language-Vision Alignment and Comprehension via Semantic-aware Visual Objects 2023-12-08	연결 없음
LXMERT (Pre-train + scratch)	Accuracy 60.0	LXMERT: Learning Cross-Modality Encoder Representations from Transformers 2019-08-20	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9
single-hop + LCGN (ours)	Accuracy 55.8	Language-Conditioned Graph Networks for Relational Reasoning 2019-05-10	코드 1
HYDRA	Accuracy 47.9	HYDRA: A Hyper Agent for Dynamic Compositional Visual Reasoning 2024-03-19	코드 1
BLIP-2 ViT-G FlanT5 XXL (zero-shot)	Accuracy 44.7	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 44.4	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 FlanT5 XL (zero-shot)	Accuracy 44.2	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
PNP-VQA	Accuracy 41.9	Plug-and-Play VQA: Zero-shot VQA by Conjoining Large Pretrained Models with Zero Training 2022-10-17	코드 1 · 코드 2 · 코드 3
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
BLIP-2 ViT-G OPT 2.7B (zero-shot)	Accuracy 34.6	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 OPT 2.7B (zero-shot)	Accuracy 33.9	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
FewVLM (zero-shot)	Accuracy 29.3	A Good Prompt Is Worth Millions of Parameters: Low-resource Prompt-based Learning for Vision-Language Models 2021-10-16	코드 1