Papers with Code · CC BY-SA 4.0

VQA v2 test-dev

아카이브 평가 56건 · 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	Accuracy 84.3	PaLI: A Jointly-Scaled Multilingual Language-Image Model 2022-09-14	코드 1
BEiT-3	Accuracy 84.19	Image as a Foreign Language: BEiT Pretraining for All Vision and Vision-Language Tasks 2022-08-22	코드 1 · 코드 2
VLMo	Accuracy 82.78	VLMo: Unified Vision-Language Pre-Training with Mixture-of-Modality-Experts 2021-11-03	코드 1 · 코드 2
ONE-PEACE	Accuracy 82.6	ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities 2023-05-18	코드 1 · 코드 2
mPLUG (Huge)	Accuracy 82.43	mPLUG: Effective and Efficient Vision-Language Learning by Cross-modal Skip-connections 2022-05-24	코드 1 · 코드 2 · 코드 3
CuMo-7B	Accuracy 82.2	CuMo: Scaling Multimodal LLM with Co-Upcycled Mixture-of-Experts 2024-05-09	코드 1
X2-VLM (large)	Accuracy 81.9	X$^2$-VLM: All-In-One Pre-trained Model For Vision-Language Tasks 2022-11-22	코드 1 · 코드 2
MMU	Accuracy 81.26	Achieving Human Parity on Visual Question Answering 2021-11-17	연결 없음
Lyrics	Accuracy 81.2	Lyrics: Boosting Fine-grained Language-Vision Alignment and Comprehension via Semantic-aware Visual Objects 2023-12-08	연결 없음
InternVL-C	Accuracy 81.2	InternVL: Scaling up Vision Foundation Models and Aligning for Generic Visual-Linguistic Tasks 2023-12-21	코드 1 · 코드 2
X2-VLM (base)	Accuracy 80.4	X$^2$-VLM: All-In-One Pre-trained Model For Vision-Language Tasks 2022-11-22	코드 1 · 코드 2
XFM (base)	Accuracy 80.4	Toward Building General Foundation Models for Language, Vision, and Vision-Language Understanding Tasks 2023-01-12	코드 1
VAST	Accuracy 80.23	연결 없음 논문 날짜 미기재	연결 없음
SimVLM	Accuracy 80.03	SimVLM: Simple Visual Language Model Pretraining with Weak Supervision 2021-08-24	코드 1 · 코드 2
VALOR	Accuracy 78.46	VALOR: Vision-Audio-Language Omni-Perception Pretraining Model and Dataset 2023-04-17	코드 1
Prismer	Accuracy 78.43	Prismer: A Vision-Language Model with Multi-Task Experts 2023-03-04	코드 1 · 코드 2
X-VLM (base)	Accuracy 78.22	Multi-Grained Vision Language Pre-Training: Aligning Texts with Visual Concepts 2021-11-16	코드 1
VK-OOD	Accuracy 77.9	Implicit Differentiable Outlier Detection Enable Robust Deep Multimodal Analysis 2023-09-21	코드 1
ALBEF (14M)	Accuracy 75.84	Align before Fuse: Vision and Language Representation Learning with Momentum Distillation 2021-07-16	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6
Oscar	Accuracy 73.82	Oscar: Object-Semantics Aligned Pre-training for Vision-Language Tasks 2020-04-13	코드 1 · 코드 2 · 코드 3 · 코드 4
UNITER (Large)	Accuracy 73.24	UNITER: UNiversal Image-TExt Representation Learning 2019-09-25	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7
X-101 grid features + MCAN	Accuracy 72.59	In Defense of Grid Features for Visual Question Answering 2020-01-10	코드 1 · 코드 2
CFR	Accuracy 72.5	Coarse-to-Fine Reasoning for Visual Question Answering 2021-10-06	코드 1 · 코드 2
VL-BERTLARGE	Accuracy 71.79	VL-BERT: Pre-training of Generic Visual-Linguistic Representations 2019-08-22	코드 1 · 코드 2 · 코드 3
ViLT-B/32	Accuracy 71.26	ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision 2021-02-05	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6
MCAN+VC	Accuracy 71.21	Visual Commonsense R-CNN 2020-02-27	코드 1
VL-BERTBASE	Accuracy 71.16	VL-BERT: Pre-training of Generic Visual-Linguistic Representations 2019-08-22	코드 1 · 코드 2 · 코드 3
VisualBERT	Accuracy 70.8	VisualBERT: A Simple and Performant Baseline for Vision and Language 2019-08-09	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10
MCANed-6	Accuracy 70.63	Deep Modular Co-Attention Networks for Visual Question Answering 2019-06-25	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7
ViLBERT	Accuracy 70.55	ViLBERT: Pretraining Task-Agnostic Visiolinguistic Representations for Vision-and-Language Tasks 2019-08-06	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11