← Image Captioning

Papers with Code · CC BY-SA 4.0

COCO Captions

아카이브 평가 40건 · 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
CapDec	BLEU-4 26.4 METEOR 25.1 CIDER 91.8	Text-Only Training for Image Captioning using Noise-Injected CLIP 2022-11-01	코드 1 · 코드 2 · 코드 3 · 코드 4
From Captions to Visual Concepts and Back	BLEU-4 25.7 METEOR 23.6	From Captions to Visual Concepts and Back 2014-11-18	코드 1
VLKD (ViT-B/16)	BLEU-4 16.7 METEOR 19.7 CIDER 58.3 SPICE 13.4	Enabling Multimodal Generation on CLIP via Vision-Language Knowledge Distillation 2021-11-16	연결 없음
LaDiC (ours, 30 steps)	BLEU-4 0.382 METEOR 29.5 CIDER 126.2	LaDiC: Are Diffusion Models Really Inferior to Autoregressive Counterparts for Image-to-Text Generation? 2024-04-16	코드 1
VALOR	CIDER 152.5 SPICE 25.7	VALOR: Vision-Audio-Language Omni-Perception Pretraining Model and Dataset 2023-04-17	코드 1
VAST	CIDER 149.0 SPICE 27.0	VAST: A Vision-Audio-Subtitle-Text Omni-Modality Foundation Model and Dataset 2023-05-29	코드 1 · 코드 2
Virtex (ResNet-101)	CIDER 94 SPICE 18.5	VirTex: Learning Visual Representations from Textual Annotations 2020-06-11	코드 1 · 코드 2 · 코드 3
KOSMOS-1 (1.6B) (zero-shot)	CIDER 84.7 SPICE 16.8	연결 없음 논문 날짜 미기재	연결 없음
LaDiC	ROUGE-L 58.7 SPICE 22.4	LaDiC: Are Diffusion Models Really Inferior to Autoregressive Counterparts for Image-to-Text Generation? 2024-04-16	코드 1
BLIP-FuseCap	CLIPScore 78.5	FuseCap: Leveraging Large Language Models for Enriched Fused Image Captions 2023-05-28	코드 1