AI Benchmark
4,4star
1,6 tis. recenzí
100 tis.+
Stahování
Všichni (E)
info
Informace o aplikaci
Generování neuronového obrazu, rozpoznávání obličeje, klasifikace obrazu, odpovídání na otázky...
Je váš smartphone schopen provozovat nejnovější hluboké neuronové sítě pro provádění těchto a mnoha dalších úkolů založených na umělé inteligenci? Má vyhrazený AI čip? Je to dost rychlé? Spusťte AI Benchmark a profesionálně vyhodnoťte jeho výkon AI!
Aktuální pořadí telefonů: http://ai-benchmark.com/ranking
AI Benchmark měří rychlost, přesnost, spotřebu energie a paměťové požadavky pro několik klíčových modelů AI, počítačového vidění a NLP. Mezi testovanými řešeními jsou metody klasifikace obrazu a rozpoznávání obličeje, modely AI provádějící generování neuronového obrazu a textu, neuronové sítě používané pro Image / Video Super-Resolution a Photo Enhancement, stejně jako řešení AI používaná v systémech autonomního řízení a chytrých telefonech pro reálné odhad časové hloubky a sémantická segmentace obrazu. Vizualizace výstupů algoritmů umožňuje graficky posoudit jejich výsledky a seznámit se s aktuálním stavem v různých oblastech AI.
Celkově se AI Benchmark skládá z 83 testů a 30 sekcí uvedených níže:
Oddíl 1. Klasifikace, MobileNet-V3
Oddíl 2. Klasifikace, Počátek-V3
Sekce 3. Rozpoznávání tváře, Swin Transformer
Oddíl 4. Klasifikace, EfficientNet-B4
Oddíl 5. Klasifikace, MobileViT-V2
Sekce 6/7. Paralelní provedení modelu, 8 x Inception-V3
Sekce 8. Sledování objektů, YOLO-V8
Část 9. Optické rozpoznávání znaků, ViT Transformer
Sekce 10. Sémantická segmentace, DeepLabV3+
Sekce 11. Paralelní segmentace, 2 x DeepLabV3+
Sekce 12. Sémantická segmentace, segmentovat cokoliv
Sekce 13. Rozmazání fotografií, IMDN
Sekce 14. Superrozlišení obrazu, ESRGAN
Sekce 15. Superrozlišení obrazu, SRGAN
Sekce 16. Odšumování obrazu, U-Net
Oddíl 17. Odhad hloubky, MV3-Hloubka
Část 18. Odhad hloubky, MiDaS 3.1
Část 19/20. Vylepšení obrazu, DPED
Část 21. Naučený fotoaparát ISP, MicroISP
Sekce 22. Vykreslování efektu bokeh, PyNET-V2 Mobile
Sekce 23. FullHD Video Super-Resolution, XLSR
Část 24/25. 4K Video Super-Resolution, VideoSR
Sekce 26. Odpovídání na otázky, MobileBERT
Sekce 27. Generování neurálního textu, Llama2
Sekce 28. Generování neurálního textu, GPT2
Část 29. Generování neurálního obrazu, stabilní difúze V1.5
Část 30. Omezení paměti, ResNet
Kromě toho je možné načíst a otestovat své vlastní modely hlubokého učení TensorFlow Lite v režimu PRO.
Podrobný popis testů naleznete zde: http://ai-benchmark.com/tests.html
Poznámka: Hardwarová akcelerace je podporována na všech mobilních SoC s vyhrazenými NPU a AI akcelerátory, včetně čipových sad Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos a UNISOC Tiger. Počínaje AI Benchmark v4 lze také povolit akceleraci AI na základě GPU na starších zařízeních v nastavení ("Accelerate" -> "Enable GPU Acceleration" / "Arm NN", je vyžadováno OpenGL ES-3.0+).
Je váš smartphone schopen provozovat nejnovější hluboké neuronové sítě pro provádění těchto a mnoha dalších úkolů založených na umělé inteligenci? Má vyhrazený AI čip? Je to dost rychlé? Spusťte AI Benchmark a profesionálně vyhodnoťte jeho výkon AI!
Aktuální pořadí telefonů: http://ai-benchmark.com/ranking
AI Benchmark měří rychlost, přesnost, spotřebu energie a paměťové požadavky pro několik klíčových modelů AI, počítačového vidění a NLP. Mezi testovanými řešeními jsou metody klasifikace obrazu a rozpoznávání obličeje, modely AI provádějící generování neuronového obrazu a textu, neuronové sítě používané pro Image / Video Super-Resolution a Photo Enhancement, stejně jako řešení AI používaná v systémech autonomního řízení a chytrých telefonech pro reálné odhad časové hloubky a sémantická segmentace obrazu. Vizualizace výstupů algoritmů umožňuje graficky posoudit jejich výsledky a seznámit se s aktuálním stavem v různých oblastech AI.
Celkově se AI Benchmark skládá z 83 testů a 30 sekcí uvedených níže:
Oddíl 1. Klasifikace, MobileNet-V3
Oddíl 2. Klasifikace, Počátek-V3
Sekce 3. Rozpoznávání tváře, Swin Transformer
Oddíl 4. Klasifikace, EfficientNet-B4
Oddíl 5. Klasifikace, MobileViT-V2
Sekce 6/7. Paralelní provedení modelu, 8 x Inception-V3
Sekce 8. Sledování objektů, YOLO-V8
Část 9. Optické rozpoznávání znaků, ViT Transformer
Sekce 10. Sémantická segmentace, DeepLabV3+
Sekce 11. Paralelní segmentace, 2 x DeepLabV3+
Sekce 12. Sémantická segmentace, segmentovat cokoliv
Sekce 13. Rozmazání fotografií, IMDN
Sekce 14. Superrozlišení obrazu, ESRGAN
Sekce 15. Superrozlišení obrazu, SRGAN
Sekce 16. Odšumování obrazu, U-Net
Oddíl 17. Odhad hloubky, MV3-Hloubka
Část 18. Odhad hloubky, MiDaS 3.1
Část 19/20. Vylepšení obrazu, DPED
Část 21. Naučený fotoaparát ISP, MicroISP
Sekce 22. Vykreslování efektu bokeh, PyNET-V2 Mobile
Sekce 23. FullHD Video Super-Resolution, XLSR
Část 24/25. 4K Video Super-Resolution, VideoSR
Sekce 26. Odpovídání na otázky, MobileBERT
Sekce 27. Generování neurálního textu, Llama2
Sekce 28. Generování neurálního textu, GPT2
Část 29. Generování neurálního obrazu, stabilní difúze V1.5
Část 30. Omezení paměti, ResNet
Kromě toho je možné načíst a otestovat své vlastní modely hlubokého učení TensorFlow Lite v režimu PRO.
Podrobný popis testů naleznete zde: http://ai-benchmark.com/tests.html
Poznámka: Hardwarová akcelerace je podporována na všech mobilních SoC s vyhrazenými NPU a AI akcelerátory, včetně čipových sad Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos a UNISOC Tiger. Počínaje AI Benchmark v4 lze také povolit akceleraci AI na základě GPU na starších zařízeních v nastavení ("Accelerate" -> "Enable GPU Acceleration" / "Arm NN", je vyžadováno OpenGL ES-3.0+).
Datum aktualizace
Bezpečnost začíná pochopením toho, jak vývojáři shromažďují a sdílejí vaše data. Postupy ochrany soukromí a zabezpečení dat se mohou lišit podle způsobu používání, oblasti a věku. Tyto informace poskytl vývojář a může je průběžně aktualizovat.
S třetími stranami nejsou sdílena žádná data
Další informace o tom, jak vývojáři deklarují sdílení
Aplikace neshromažďuje žádná data
Další informace o tom, jak vývojáři deklarují shromažďování
Hodnocení a recenze
4,4
1,54 tis. recenzí
Uživatel Googlu
- Nahlásit jako nevhodné
9. března 2019
Chtělo by to trošku zapracivat na UI. Funguje však dobře, ale výsledné body je nut s brát jen orientačně. Tak tomu je ale u každého benchmarku. 😊👍
1 člověk si myslí, že je tato recenze užitečná
Petr Spooky0987 Hromada
- Nahlásit jako nevhodné
2. července 2025
3832 to vcelku jde.
Radim Stančík
- Nahlásit jako nevhodné
- Zobrazit historii recenze
22. dubna 2023
Samsung s23plus 512gb. Skóre (2020 bodů )asi nejlepší 😁můj druhý mobil Samsung A71 ( tak 58,3 bodů 🤣To je rozdíl oproti S23plus 2020 bodů 😏
Novinky
1. LiteRT (TFLite) runtime updated to version 2.18.
2. Updated Qualcomm QNN, MediaTek Neuron, Samsung ENN, TFLite NNAPI, GPU and Hexagon NN delegates.
3. Bug fixes and performance improvements.
2. Updated Qualcomm QNN, MediaTek Neuron, Samsung ENN, TFLite NNAPI, GPU and Hexagon NN delegates.
3. Bug fixes and performance improvements.
Podpora aplikace
O vývojáři
Andrii Ihnatov
andrey@vision.ee.ethz.ch
Switzerland
undefined
