← Visual Reasoning

Papers with Code · CC BY-SA 4.0

NLVR2 Test

아카이브 평가 14건 · 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
BEiT-3	Accuracy 92.58	Image as a Foreign Language: BEiT Pretraining for All Vision and Vision-Language Tasks 2022-08-22	코드 1 · 코드 2
X2-VLM (large)	Accuracy 89.4	X$^2$-VLM: All-In-One Pre-trained Model For Vision-Language Tasks 2022-11-22	코드 1 · 코드 2
XFM (base)	Accuracy 88.4	Toward Building General Foundation Models for Language, Vision, and Vision-Language Understanding Tasks 2023-01-12	코드 1
CoCa	Accuracy 87.0	CoCa: Contrastive Captioners are Image-Text Foundation Models 2022-05-04	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6
X2-VLM (base)	Accuracy 87.0	X$^2$-VLM: All-In-One Pre-trained Model For Vision-Language Tasks 2022-11-22	코드 1 · 코드 2
VLMo	Accuracy 86.86	VLMo: Unified Vision-Language Pre-Training with Mixture-of-Modality-Experts 2021-11-03	코드 1 · 코드 2
SimVLM	Accuracy 85.15	SimVLM: Simple Visual Language Model Pretraining with Weak Supervision 2021-08-24	코드 1 · 코드 2
X-VLM (base)	Accuracy 84.76	Multi-Grained Vision Language Pre-Training: Aligning Texts with Visual Concepts 2021-11-16	코드 1
BLIP-129M	Accuracy 83.09	BLIP: Bootstrapping Language-Image Pre-training for Unified Vision-Language Understanding and Generation 2022-01-28	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9
ALBEF (14M)	Accuracy 82.55	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
UNITER (Large)	Accuracy 79.5	UNITER: UNiversal Image-TExt Representation Learning 2019-09-25	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7
SOHO	Accuracy 77.32	Seeing Out of tHe bOx: End-to-End Pre-training for Vision-Language Representation Learning 2021-04-07	코드 1 · 코드 2 · 코드 3
LXMERT	Accuracy 76.2	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
ViLT-B/32	Accuracy 76.13	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