Video Question Answering

Meilleur modèle: VideoChat2

Meilleur modèle: GF (sup) - Faster RCNN

Meilleur modèle: Text + Text (no Multimodal Pretext Training)

Meilleur modèle: TimeSformer

Meilleur modèle: VideoChat2_mistral

Meilleur modèle: FrozenBiLM

Meilleur modèle: Clover

Meilleur modèle: VIOLETv2

Meilleur modèle: ATP (1<-16)

Meilleur modèle: Singularity-temporal

Meilleur modèle: FrozenBiLM

Meilleur modèle: Tarsier (34B)

Meilleur modèle: LinVT-Qwen2-VL (7B)

Meilleur modèle: ViLA (3B, 4 frames)

Meilleur modèle: Oyrx (34B)

Meilleur modèle: GIT

Meilleur modèle: VLAP (4 frames)

Meilleur modèle: Tarsier-34B

Meilleur modèle: LLaMA-VQA

Meilleur modèle: Just Ask (fine-tune)