Papers with Code · CC BY-SA 4.0

MVBench

아카이브 평가 22건 · 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
LinVT-Qwen2-VL (7B)	Avg. 69.3	LinVT: Empower Your Image-level Large Language Model to Understand Videos 2024-12-06	코드 1
Tarsier (34B)	Avg. 67.6	Tarsier: Recipes for Training and Evaluating Large Video Description Models 2024-06-30	코드 1
InternVideo2	Avg. 67.2	InternVideo2: Scaling Foundation Models for Multimodal Video Understanding 2024-03-22	코드 1 · 코드 2
LongVU (7B)	Avg. 66.9	LongVU: Spatiotemporal Adaptive Compression for Long Video-Language Understanding 2024-10-22	코드 1
Oryx(34B)	Avg. 64.7	Oryx MLLM: On-Demand Spatial-Temporal Understanding at Arbitrary Resolution 2024-09-19	코드 1
VideoLLaMA2 (72B)	Avg. 62.0	VideoLLaMA 2: Advancing Spatial-Temporal Modeling and Audio Understanding in Video-LLMs 2024-06-11	코드 1 · 코드 2 · 코드 3
VideoChat-T (7B)	Avg. 59.9	TimeSuite: Improving MLLMs for Long Video Understanding via Grounded Tuning 2024-10-25	코드 1
mPLUG-Owl3(7B)	Avg. 59.5	mPLUG-Owl3: Towards Long Image-Sequence Understanding in Multi-Modal Large Language Models 2024-08-09	코드 1
PPLLaVA (7b)	Avg. 59.2	PPLLaVA: Varied Video Sequence Understanding With Prompt Guidance 2024-11-04	코드 1
VideoGPT+	Avg. 58.7	VideoGPT+: Integrating Image and Video Encoders for Enhanced Video Understanding 2024-06-13	코드 1
PLLaVA	Avg. 58.1	PLLaVA : Parameter-free LLaVA Extension from Images to Videos for Video Dense Captioning 2024-04-25	코드 1
ST-LLM	Avg. 54.9	ST-LLM: Large Language Models Are Effective Temporal Learners 2024-03-30	코드 1
VideoChat2	Avg. 51.9	MVBench: A Comprehensive Multi-modal Video Understanding Benchmark 2023-11-28	코드 1 · 코드 2 · 코드 3
HawkEye	Avg. 47.55	HawkEye: Training Video-Text LLMs for Grounding Text in Videos 2024-03-15	코드 1
SPHINX-Plus	Avg. 39.7	SPHINX-X: Scaling Data and Parameters for a Family of Multi-modal Large Language Models 2024-02-08	코드 1
TimeChat	Avg. 38.5	TimeChat: A Time-sensitive Multimodal Large Language Model for Long Video Understanding 2023-12-04	코드 1 · 코드 2
LLaVa	Avg. 36.0	Visual Instruction Tuning 2023-04-17	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
VideoChat	Avg. 35.5	VideoChat: Chat-Centric Video Understanding 2023-05-10	코드 1
VideoLLaMA	Avg. 34.1	Video-LLaMA: An Instruction-tuned Audio-Visual Language Model for Video Understanding 2023-06-05	코드 1 · 코드 2 · 코드 3 · 코드 4
Video-ChatGPT	Avg. 32.7	Video-ChatGPT: Towards Detailed Video Understanding via Large Vision and Language Models 2023-06-08	코드 1 · 코드 2
InstructBLIP	Avg. 32.5	InstructBLIP: Towards General-purpose Vision-Language Models with Instruction Tuning 2023-05-11	코드 1 · 코드 2 · 코드 3 · 코드 4
MiniGPT4	Avg. 18.8	MiniGPT-4: Enhancing Vision-Language Understanding with Advanced Large Language Models 2023-04-20	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6