Video Question Answering

Bestes Modell: VideoChat2

Bestes Modell: GF (sup) - Faster RCNN

Bestes Modell: Text + Text (no Multimodal Pretext Training)

Bestes Modell: TimeSformer

Bestes Modell: VideoChat2_mistral

Bestes Modell: FrozenBiLM

Bestes Modell: Clover

Bestes Modell: VIOLETv2

Bestes Modell: ATP (1<-16)

Bestes Modell: Singularity-temporal

Bestes Modell: FrozenBiLM

Bestes Modell: Tarsier (34B)

Bestes Modell: LinVT-Qwen2-VL (7B)

Bestes Modell: ViLA (3B, 4 frames)

Bestes Modell: Oyrx (34B)

Bestes Modell: GIT

Bestes Modell: VLAP (4 frames)

Bestes Modell: Tarsier-34B

Bestes Modell: LLaMA-VQA

Bestes Modell: Just Ask (fine-tune)