Image Captioning

Meilleur modèle: CNN + 1D CNN

Meilleur modèle: GIT-Mol

Meilleur modèle: ExpansionNet v2

Meilleur modèle: VAST

Meilleur modèle: From Captions to Visual Concepts and Back

Meilleur modèle: ClipCap (MLP + GPT2 tuning)

Meilleur modèle: Unified VLP

Meilleur modèle: CapDec

Meilleur modèle: NeuSyRE

Meilleur modèle: CapDec

Meilleur modèle: VinVL (Microsoft Cognitive Services + MSR)

Meilleur modèle: GIT2, Single Model

Meilleur modèle: PaLI

Meilleur modèle: Prismer

Meilleur modèle: GIT2

Meilleur modèle: GIT2

Meilleur modèle: GIT2

Meilleur modèle: GIT2

Meilleur modèle: BiomedGPT

Meilleur modèle: CNN+LSTM (Vision only, First sentence)