Image Captioning

Bestes Modell: CNN + 1D CNN

Bestes Modell: GIT-Mol

Bestes Modell: ExpansionNet v2

Bestes Modell: VAST

Bestes Modell: From Captions to Visual Concepts and Back

Bestes Modell: ClipCap (MLP + GPT2 tuning)

Bestes Modell: Unified VLP

Bestes Modell: CapDec

Bestes Modell: NeuSyRE

Bestes Modell: CapDec

Bestes Modell: VinVL (Microsoft Cognitive Services + MSR)

Bestes Modell: GIT2, Single Model

Bestes Modell: PaLI

Bestes Modell: Prismer

Bestes Modell: GIT2

Bestes Modell: GIT2

Bestes Modell: GIT2

Bestes Modell: GIT2

Bestes Modell: BiomedGPT

Bestes Modell: CNN+LSTM (Vision only, First sentence)