Papers with Code 아카이브
Visual Question Answering
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 5
- 평가표
- 30
- 보존된 평가 기록
- 334
MLLM Leaderboard
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
FlashBack: 스트리밍 비전-언어 모델에서 언제 기억해야 하는지 알기
OneStreamer: 스트리밍 비디오 상호작용에서 인식, 메모리 및 능동적 응답의 통합
MoLE: 상호보완적 시각 추론을 위한 잠재 전문가 혼합
추론 실패 분석을 통한 조합 가능한 비디오 공간 지능
GeoLatent: 3D 추론을 위한 라우팅된 최적화 기반 기하학 유도 잠재 구조화
Where-OPD: 합성 장면을 활용한 MLLM의 공간 유도 온-정책 자기 증류
VMMU: 베트남어 다중 과제 다중 모달 이해 및 추론 벤치마크
VectraYX-Vision-1B: 구조화된 시각적 추론과 네이티브 도구 사용을 갖춘 2B 미만 스페인어/LATAM 사이버보안 비전-언어 모델
PRISM-VLM: 소형 비전-언어 모델을 위한 다축 변별 벤치마크
Uni-LaDiR: 잠재 확산을 통한 멀티모달 추론의 통합
원격 탐사 영상을 위한 카피-무브 위조 탐지 및 질의응답
중요한 곳을 살펴라: 효율적인 VLM을 위한 고해상도 크롭 검색
CORTEX: 신뢰할 수 있는 3D 흉부 CT MLLM을 위한 구조화된 추론 벤치마크
Realtime-Venus: 비동기 위임을 갖춘 전이중(full-duplex) 상호작용 시스템
비전-언어 모델에서 능력 한계처럼 보이는 것은 판독(readout) 한계이다
NV-Reason-CT: 3D Visual Language Model for CT Analysis
비전-언어 문맥 내 학습에서의 성별 바이어스
UVU: 비전-언어 통합 자기회귀 패러다igm을 통한 멀티모달 이해 향상
VIVAS: 비전-언어 통합 자기회귀 감독을 통해 VLM 사전학습에서 시각적 지각 활성화하기
3D 비전-언어에서 정렬에서 융합으로
MultiViewDx: 증거 연계 다중 뷰 임상 진단
ICDAR2026 Competition on Multimodal Reasoning over Documents in Multiple Domains
하나의 도메인, 다양한 언어: 쌍을 이루는 데이터 없이 도메인 및 언어 LoRA를 결합한 교차 언어 원격 탐사 MLLM
Lingshu: A Generalist Foundation Model for Unified Multimodal Medical Understanding and Reasoning
지식 컴파일을 통한 시각적 그래프 추론
VLM은 언제 봐야 하는가? 필요했고 사용된 시각 호출에만 대가를 지급하기
Spatial-Interactor: 관찰 가능한 물리적 세계와의 상호작용을 통한 공간적 추론 학습
FireWorldBench: 결합장 화재 역학을 통한 복합 물리 세계 지능 벤치마킹
멀티모달 대규모 언어 모델을 위한 의료 시각 인코더 사전학습
VLM-in-Sandbox: 에이전틱 시각 추론을 위한 시각 워크스페이스
TempCore: 비디오 QA 벤치마크는 시간적으로 그라운딩되어 있는가?
BackdoorVLM: 비전-언어 모델의 백도어 공격 및 방어 벤치마크
VeriDrive: 비용 효율적인 비전-언어 계획을 위한 검증 가능한 반사실적 감독
효과적이고 효율적인 체화 탐험을 위한 능동적 공간 검사
보는 것만으로는 충분하지 않다: 비전-언어 모델은 증거를 지각하지만 행동으로 이어지지 못한다
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.