Papers with Code · CC BY-SA 4.0

VQA v2 test-std

아카이브 평가 38건 · 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
BEiT-3	overall 84.03	Image as a Foreign Language: BEiT Pretraining for All Vision and Vision-Language Tasks 2022-08-22	코드 1 · 코드 2
mPLUG-Huge	overall 83.62 yes/no 94.83 number 69.82 other 77.02	mPLUG: Effective and Efficient Vision-Language Learning by Cross-modal Skip-connections 2022-05-24	코드 1 · 코드 2 · 코드 3
ONE-PEACE	overall 82.52 yes/no 94.85 number 72.24 other 74.15	ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities 2023-05-18	코드 1 · 코드 2
X2-VLM (large)	overall 81.8	X$^2$-VLM: All-In-One Pre-trained Model For Vision-Language Tasks 2022-11-22	코드 1 · 코드 2
VLMo	overall 81.30 yes/no 94.68 number 67.26 other 72.87	VLMo: Unified Vision-Language Pre-Training with Mixture-of-Modality-Experts 2021-11-03	코드 1 · 코드 2
SimVLM	overall 80.34	SimVLM: Simple Visual Language Model Pretraining with Weak Supervision 2021-08-24	코드 1 · 코드 2
X2-VLM (base)	overall 80.2	X$^2$-VLM: All-In-One Pre-trained Model For Vision-Language Tasks 2022-11-22	코드 1 · 코드 2
VAST	overall 80.19	연결 없음 논문 날짜 미기재	연결 없음
VALOR	overall 78.62	VALOR: Vision-Audio-Language Omni-Perception Pretraining Model and Dataset 2023-04-17	코드 1
Prompt Tuning	overall 78.53	Prompt Tuning for Generative Multimodal Pretrained Models 2022-08-04	코드 1
Prismer	overall 78.49 yes/no 93.09 number 61.39 other 69.70	Prismer: A Vision-Language Model with Multi-Task Experts 2023-03-04	코드 1 · 코드 2
MSR + MS Cog. Svcs., X10 models	overall 77.45 yes/no 92.38 number 62.55 other 67.87	VinVL: Revisiting Visual Representations in Vision-Language Models 2021-01-02	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7
MSR + MS Cog. Svcs.	overall 76.63 yes/no 92.04 number 61.5 other 66.68	VinVL: Revisiting Visual Representations in Vision-Language Models 2021-01-02	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7
ALBEF (14M)	overall 76.04	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
BGN, ensemble	overall 75.92 yes/no 90.89 number 61.13 other 66.28	Bilinear Graph Networks for Visual Question Answering 2019-07-23	연결 없음
ERNIE-ViL-single model	overall 74.93 yes/no 90.83 number 56.79 other 65.24	ERNIE-ViL: Knowledge Enhanced Vision-Language Representations Through Scene Graph 2020-06-30	연결 없음
Single, w/o VLP	overall 74.16 yes/no 89.18 number 58.01 other 64.77	In Defense of Grid Features for Visual Question Answering 2020-01-10	코드 1 · 코드 2
Single, w/o VLP	overall 73.86 yes/no 89.46 number 58.62 other 63.78	Deep Multimodal Neural Architecture Search 2020-04-25	코드 1
UNITER (Large)	overall 73.4	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	overall 72.71	In Defense of Grid Features for Visual Question Answering 2020-01-10	코드 1 · 코드 2
LXMERT	overall 72.5	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
VL-BERTLARGE	overall 72.2	VL-BERT: Pre-training of Generic Visual-Linguistic Representations 2019-08-22	코드 1 · 코드 2 · 코드 3
MCAN+VC	overall 71.49	Visual Commonsense R-CNN 2020-02-27	코드 1
VisualBERT	overall 71	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	overall 70.9	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
Unified VLP	overall 70.7	Unified Vision-Language Pre-Training for Image Captioning and VQA 2019-09-24	코드 1 · 코드 2 · 코드 3
BAN+Glove+Counter	overall 70.4	Bilinear Attention Networks 2018-05-21	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8
Up-Down	overall 70.34	Bottom-Up and Top-Down Attention for Image Captioning and Visual Question Answering 2017-07-25	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 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46 · 코드 47 · 코드 48 · 코드 49 · 코드 50 · 코드 51 · 코드 52 · 코드 53 · 코드 54 · 코드 55 · 코드 56 · 코드 57 · 코드 58 · 코드 59 · 코드 60 · 코드 61 · 코드 62 · 코드 63 · 코드 64 · 코드 65
Image features from bottom-up attention (adaptive K, ensemble)	overall 70.3	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
Caption VQA	overall 69.7	Generating Question Relevant Captions to Aid Visual Question Answering 2019-06-03	연결 없음