← Cross-Modal Retrieval
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.
| 모델 | 원본 지표·값 | 논문 | 구현 |
|---|---|---|---|
| VAST |
|
VAST: A Vision-Audio-Subtitle-Text Omni-Modality Foundation Model and Dataset 2023-05-29 |
코드 1 · 코드 2 |
| X2-VLM (large) |
|
X$^2$-VLM: All-In-One Pre-trained Model For Vision-Language Tasks 2022-11-22 |
코드 1 · 코드 2 |
| BEiT-3 |
|
Image as a Foreign Language: BEiT Pretraining for All Vision and Vision-Language Tasks 2022-08-22 |
코드 1 · 코드 2 |
| XFM (base) |
|
Toward Building General Foundation Models for Language, Vision, and Vision-Language Understanding Tasks 2023-01-12 |
코드 1 |
| X2-VLM (base) |
|
X$^2$-VLM: All-In-One Pre-trained Model For Vision-Language Tasks 2022-11-22 |
코드 1 · 코드 2 |
| PTP-BLIP (14M) |
|
Position-guided Text Prompt for Vision-Language Pre-training 2022-12-19 |
코드 1 |
| OmniVL (14M) |
|
OmniVL:One Foundation Model for Image-Language and Video-Language Tasks 2022-09-15 |
연결 없음 |
| VSE-Gradient |
|
Dissecting Deep Metric Learning Losses for Image-Text Retrieval 2022-10-21 |
코드 1 · 코드 2 |
| X-VLM (base) |
|
Multi-Grained Vision Language Pre-Training: Aligning Texts with Visual Concepts 2021-11-16 |
코드 1 |
| Florence |
|
Florence: A New Foundation Model for Computer Vision 2021-11-22 |
코드 1 · 코드 2 |
| VK-OOD |
|
Implicit Differentiable Outlier Detection Enable Robust Deep Multimodal Analysis 2023-09-21 |
코드 1 |
| Aurora (ours, r=128) |
|
연결 없음 논문 날짜 미기재 |
연결 없음 |
| DSMD |
|
Dynamic Self-adaptive Multiscale Distillation from Pre-trained Multimodal Large Model for Efficient Cross-modal Representation Learning 2024-04-16 |
코드 1 |
| VALOR |
|
VALOR: Vision-Audio-Language Omni-Perception Pretraining Model and Dataset 2023-04-17 |
코드 1 |
| ALBEF |
|
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 |
| ALIGN |
|
Scaling Up Visual and Vision-Language Representation Learning With Noisy Text Supervision 2021-02-11 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 |
| ERNIE-ViL 2.0 |
|
ERNIE-ViL 2.0: Multi-view Contrastive Learning for Image-Text Pre-training 2022-09-30 |
코드 1 |
| TCL |
|
Vision-Language Pre-Training with Triple Contrastive Learning 2022-02-21 |
코드 1 |
| Oscar |
|
Oscar: Object-Semantics Aligned Pre-training for Vision-Language Tasks 2020-04-13 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| METER |
|
An Empirical Study of Training End-to-End Vision-and-Language Transformers 2021-11-03 |
코드 1 · 코드 2 · 코드 3 |
| ViSTA |
|
ViSTA: Vision and Scene Text Aggregation for Cross-Modal Retrieval 2022-03-31 |
연결 없음 |
| ALADIN |
|
ALADIN: Distilling Fine-grained Alignment Scores for Efficient Image-Text Matching and Retrieval 2022-07-29 |
코드 1 |
| 3SHNet |
|
3SHNet: Boosting Image-Sentence Retrieval via Visual Semantic-Spatial Self-Highlighting 2024-04-26 |
코드 1 |
| VisualSparta |
|
VisualSparta: An Embarrassingly Simple Approach to Large-scale Text-to-Image Search with Weighted Bag-of-words 2021-01-01 |
코드 1 |
| RCAR |
|
Plug-and-Play Regulators for Image-Text Matching 2023-03-23 |
코드 1 |
| NAPReg |
|
NAPReg: Nouns As Proxies Regularization for Semantically Aware Cross-Modal Embeddings 2023-01-07 |
코드 1 |
| ViLT-B/32 |
|
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 |
| SGRAF |
|
Similarity Reasoning and Filtration for Image-Text Matching 2021-01-05 |
코드 1 |
| LILE |
|
LILE: Look In-Depth before Looking Elsewhere -- A Dual Attention Network using Transformers for Cross-Modal Information Retrieval in Histopathology Archives 2022-03-02 |
연결 없음 |
| VSRN |
|
Visual Semantic Reasoning for Image-Text Matching 2019-09-06 |
코드 1 · 코드 2 |