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
BAN+Glove+Counter	Accuracy 70.04	Bilinear Attention Networks 2018-05-21	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8
LXMERT (Pre-train + scratch)	Accuracy 69.9	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
Image features from bottom-up attention (adaptive K, ensemble)	Accuracy 69.87	Tips and Tricks for Visual Question Answering: Learnings from the 2017 Challenge 2017-08-09	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10
Pythia v0.3 + LoRRA	Accuracy 69.21	Towards VQA Models That Can Read 2019-04-18	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7
DMN	Accuracy 68.09	Learning to Count Objects in Natural Images for Visual Question Answering 2018-02-15	코드 1
LaKo	Accuracy 68.07	LaKo: Knowledge-driven Visual Question Answering via Late Knowledge-to-Text Injection 2022-07-26	코드 1
MuRel	Accuracy 68.03	MUREL: Multimodal Relational Reasoning for Visual Question Answering 2019-02-25	코드 1
BLOCK	Accuracy 67.58	BLOCK: Bilinear Superdiagonal Fusion for Visual Question Answering and Visual Relationship Detection 2019-01-31	코드 1
MUTAN	Accuracy 67.42	MUTAN: Multimodal Tucker Fusion for Visual Question Answering 2017-05-18	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6
BAN2-CTI	Accuracy 67.4	Compact Trilinear Interaction for Visual Question Answering 2019-09-26	코드 1
2D continuous softmax	Accuracy 65.96	Sparse and Continuous Attention Mechanisms 2020-06-12	코드 1 · 코드 2
BLIP-2 ViT-G FlanT5 XXL (zero-shot)	Accuracy 65	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
N2NMN (ResNet-152, policy search)	Accuracy 64.9	Learning to Reason: End-to-End Module Networks for Visual Question Answering 2017-04-18	코드 1
PNP-VQA	Accuracy 64.8	Plug-and-Play VQA: Zero-shot VQA by Conjoining Large Pretrained Models with Zero Training 2022-10-17	코드 1 · 코드 2 · 코드 3
MCB	Accuracy 64.7	Multimodal Compact Bilinear Pooling for Visual Question Answering and Visual Grounding 2016-06-06	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10
RUBi	Accuracy 63.18	RUBi: Reducing Unimodal Biases in Visual Question Answering 2019-06-24	코드 1
BLIP-2 ViT-G FlanT5 XL (zero-shot)	Accuracy 63	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 62.3	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
Flamingo 80B	Accuracy 56.3	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 OPT 6.7B (zero-shot)	Accuracy 52.6	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-G OPT 2.7B (zero-shot)	Accuracy 52.3	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
Flamingo 9B	Accuracy 51.8	Flamingo: a Visual Language Model for Few-Shot Learning 2022-04-29	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5
KOSMOS-1 1.6B (zero-shot)	Accuracy 51.0	연결 없음 논문 날짜 미기재	연결 없음
BLIP-2 ViT-L OPT 2.7B (zero-shot)	Accuracy 49.7	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
Flamingo 3B	Accuracy 49.2	Flamingo: a Visual Language Model for Few-Shot Learning 2022-04-29	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5
VLKD	Accuracy 44.5	Enabling Multimodal Generation on CLIP via Vision-Language Knowledge Distillation 2021-11-16	연결 없음