AI Benchmark

Ignatov Andrey

ఈ యాప్ గురించి పరిచయం

న్యూరల్ ఇమేజ్ జనరేషన్, ఫేస్ రికగ్నిషన్, ఇమేజ్ క్లాసిఫికేషన్, ప్రశ్నలకు సమాధానాలు...

వీటిని మరియు అనేక ఇతర AI- ఆధారిత పనులను నిర్వహించడానికి మీ స్మార్ట్‌ఫోన్ తాజా డీప్ న్యూరల్ నెట్‌వర్క్‌లను అమలు చేయగలదా? దీనికి ప్రత్యేక AI చిప్ ఉందా? ఇది తగినంత వేగంగా ఉందా? AI పనితీరును వృత్తిపరంగా అంచనా వేయడానికి AI బెంచ్‌మార్క్‌ని అమలు చేయండి!

ప్రస్తుత ఫోన్ ర్యాంకింగ్: http://ai-benchmark.com/ranking

AI బెంచ్‌మార్క్ అనేక కీలకమైన AI, కంప్యూటర్ విజన్ మరియు NLP మోడల్‌ల కోసం వేగం, ఖచ్చితత్వం, విద్యుత్ వినియోగం మరియు మెమరీ అవసరాలను కొలుస్తుంది. పరీక్షించిన పరిష్కారాలలో ఇమేజ్ క్లాసిఫికేషన్ మరియు ఫేస్ రికగ్నిషన్ మెథడ్స్, న్యూరల్ ఇమేజ్ మరియు టెక్స్ట్ జనరేషన్ చేసే AI మోడల్స్, ఇమేజ్/వీడియో సూపర్-రిజల్యూషన్ మరియు ఫోటో ఎన్‌హాన్స్‌మెంట్ కోసం ఉపయోగించే న్యూరల్ నెట్‌వర్క్‌లు, అలాగే అటానమస్ డ్రైవింగ్ సిస్టమ్‌లు మరియు స్మార్ట్‌ఫోన్‌లలో ఉపయోగించే AI సొల్యూషన్‌లు ఉన్నాయి. సమయం లోతు అంచనా మరియు సెమాంటిక్ ఇమేజ్ సెగ్మెంటేషన్. అల్గారిథమ్‌ల అవుట్‌పుట్‌ల విజువలైజేషన్ వాటి ఫలితాలను గ్రాఫికల్‌గా అంచనా వేయడానికి మరియు వివిధ AI ఫీల్డ్‌లలో ప్రస్తుత స్టేట్ ఆఫ్ ది ఆర్ట్ గురించి తెలుసుకోవడానికి అనుమతిస్తుంది.

మొత్తంగా, AI బెంచ్‌మార్క్‌లో 83 పరీక్షలు మరియు దిగువ జాబితా చేయబడిన 30 విభాగాలు ఉన్నాయి:

విభాగం 1. వర్గీకరణ, MobileNet-V3
విభాగం 2. వర్గీకరణ, ఆరంభం-V3
విభాగం 3. ఫేస్ రికగ్నిషన్, స్విన్ ట్రాన్స్‌ఫార్మర్
విభాగం 4. వర్గీకరణ, ఎఫిషియెంట్ నెట్-B4
విభాగం 5. వర్గీకరణ, MobileViT-V2
సెక్షన్లు 6/7. సమాంతర మోడల్ ఎగ్జిక్యూషన్, 8 x ఇన్సెప్షన్-V3
విభాగం 8. ఆబ్జెక్ట్ ట్రాకింగ్, YOLO-V8
విభాగం 9. ఆప్టికల్ క్యారెక్టర్ రికగ్నిషన్, ViT ట్రాన్స్‌ఫార్మర్
విభాగం 10. సెమాంటిక్ సెగ్మెంటేషన్, DeepLabV3+
విభాగం 11. సమాంతర విభజన, 2 x DeepLabV3+
సెక్షన్ 12. సెమాంటిక్ సెగ్మెంటేషన్, సెగ్మెంట్ ఏదైనా
విభాగం 13. ఫోటో డీబ్లరింగ్, IMDN
విభాగం 14. చిత్రం సూపర్-రిజల్యూషన్, ESRGAN
విభాగం 15. చిత్రం సూపర్-రిజల్యూషన్, SRGAN
విభాగం 16. ఇమేజ్ డెనోయిజింగ్, U-నెట్
విభాగం 17. డెప్త్ ఎస్టిమేషన్, MV3-డెప్త్
విభాగం 18. లోతు అంచనా, MiDaS 3.1
సెక్షన్ 19/20. చిత్రం మెరుగుదల, DPED
విభాగం 21. కెమెరా ISP, MicroISP నేర్చుకున్నారు
విభాగం 22. Bokeh ఎఫెక్ట్ రెండరింగ్, PyNET-V2 మొబైల్
విభాగం 23. FullHD వీడియో సూపర్-రిజల్యూషన్, XLSR
సెక్షన్ 24/25. 4K వీడియో సూపర్-రిజల్యూషన్, VideoSR
విభాగం 26. ప్రశ్న జవాబులు, MobileBERT
విభాగం 27. న్యూరల్ టెక్స్ట్ జనరేషన్, లామా2
విభాగం 28. న్యూరల్ టెక్స్ట్ జనరేషన్, GPT2
విభాగం 29. న్యూరల్ ఇమేజ్ జనరేషన్, స్టేబుల్ డిఫ్యూజన్ V1.5
విభాగం 30. మెమరీ పరిమితులు, ResNet

దానితో పాటు, PRO మోడ్‌లో తమ స్వంత TensorFlow Lite డీప్ లెర్నింగ్ మోడల్‌లను లోడ్ చేసి పరీక్షించవచ్చు.

పరీక్షల వివరణాత్మక వివరణను ఇక్కడ చూడవచ్చు: http://ai-benchmark.com/tests.html

గమనిక: Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos మరియు UNISOC టైగర్ చిప్‌సెట్‌లతో సహా అంకితమైన NPUలు మరియు AI యాక్సిలరేటర్‌లతో అన్ని మొబైల్ SoCలలో హార్డ్‌వేర్ యాక్సిలరేషన్‌కు మద్దతు ఉంది. AI బెంచ్‌మార్క్ v4 నుండి ప్రారంభించి, సెట్టింగ్‌లలో పాత పరికరాలలో GPU-ఆధారిత AI యాక్సిలరేషన్‌ను కూడా ప్రారంభించవచ్చు ("యాక్సిలరేట్" -> "GPU యాక్సిలరేషన్‌ని ప్రారంభించు" / "Arm NN", OpenGL ES-3.0+ అవసరం).

కొత్తగా ఏమి ఉన్నాయి

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.