Video Question Answering

最高モデル： VideoChat2

最高モデル： GF (sup) - Faster RCNN

最高モデル： Text + Text (no Multimodal Pretext Training)

最高モデル： TimeSformer

最高モデル： VideoChat2_mistral

最高モデル： FrozenBiLM

最高モデル： Clover

最高モデル： VIOLETv2

最高モデル： ATP (1<-16)

最高モデル： Singularity-temporal

最高モデル： FrozenBiLM

最高モデル： Tarsier (34B)

最高モデル： LinVT-Qwen2-VL (7B)

最高モデル： ViLA (3B, 4 frames)

最高モデル： Oyrx (34B)

最高モデル： GIT

最高モデル： VLAP (4 frames)

最高モデル： Tarsier-34B

最高モデル： LLaMA-VQA

最高モデル： Just Ask (fine-tune)