AI Benchmark
4,4star
1,54 mil críticas
100 mil+
Transferências
Todos
info
Acerca desta app
Geração de imagens neurais, reconhecimento facial, classificação de imagens, resposta a perguntas...
O seu smartphone é capaz de executar as redes neurais profundas mais recentes para realizar essas e muitas outras tarefas baseadas em IA? Possui um chip AI dedicado? É rápido o suficiente? Execute o AI Benchmark para avaliar profissionalmente seu desempenho de IA!
Classificação atual do telefone: http://ai-benchmark.com/ranking
O AI Benchmark mede a velocidade, precisão, consumo de energia e requisitos de memória para vários modelos importantes de IA, visão computacional e PNL. Entre as soluções testadas estão métodos de Classificação de Imagens e Reconhecimento Facial, modelos de IA realizando geração neural de imagens e textos, redes neurais utilizadas para Super-Resolução de Imagem/Vídeo e Aprimoramento de Fotos, além de soluções de IA utilizadas em sistemas de direção autônoma e smartphones para uso real. Estimativa de profundidade de tempo e segmentação semântica de imagens. A visualização dos resultados dos algoritmos permite avaliar graficamente os seus resultados e conhecer o estado da arte atual em vários campos da IA.
No total, o AI Benchmark consiste em 83 testes e 30 seções listadas abaixo:
Seção 1. Classificação, MobileNet-V3
Seção 2. Classificação, Inception-V3
Seção 3. Reconhecimento facial, Swin Transformer
Seção 4. Classificação, EfficientNet-B4
Seção 5. Classificação, MobileViT-V2
Seções 6/7. Execução de modelo paralelo, 8 x Inception-V3
Seção 8. Rastreamento de objetos, YOLO-V8
Seção 9. Reconhecimento óptico de caracteres, transformador ViT
Seção 10. Segmentação Semântica, DeepLabV3+
Seção 11. Segmentação Paralela, 2 x DeepLabV3+
Seção 12. Segmentação Semântica, Segmente Qualquer Coisa
Seção 13. Desfocagem de fotos, IMDN
Seção 14. Super-resolução de imagem, ESRGAN
Seção 15. Super-resolução de imagem, SRGAN
Seção 16. Eliminação de ruído de imagem, U-Net
Seção 17. Estimativa de profundidade, MV3-Depth
Seção 18. Estimativa de profundidade, MiDaS 3.1
Seção 19/20. Aprimoramento de imagem, DPED
Seção 21. ISP de câmera aprendida, MicroISP
Seção 22. Renderização do efeito Bokeh, PyNET-V2 Mobile
Seção 23. Super-resolução de vídeo FullHD, XLSR
Seção 24/25. Super-resolução de vídeo 4K, VideoSR
Seção 26. Resposta a perguntas, MobileBERT
Seção 27. Geração de Texto Neural, Llama2
Seção 28. Geração de Texto Neural, GPT2
Seção 29. Geração de imagem neural, difusão estável V1.5
Seção 30. Limites de memória, ResNet
Além disso, é possível carregar e testar seus próprios modelos de aprendizado profundo do TensorFlow Lite no modo PRO.
Uma descrição detalhada dos testes pode ser encontrada aqui: http://ai-benchmark.com/tests.html
Observação: a aceleração de hardware é suportada em todos os SoCs móveis com NPUs dedicados e aceleradores de IA, incluindo Qualcomm Snapdragon, MediaTek Dimensity/Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos e chipsets UNISOC Tiger. A partir do AI Benchmark v4, também é possível ativar a aceleração de IA baseada em GPU em dispositivos mais antigos nas configurações ("Acelerar" -> "Ativar aceleração de GPU" / "Arm NN", OpenGL ES-3.0+ é necessário).
O seu smartphone é capaz de executar as redes neurais profundas mais recentes para realizar essas e muitas outras tarefas baseadas em IA? Possui um chip AI dedicado? É rápido o suficiente? Execute o AI Benchmark para avaliar profissionalmente seu desempenho de IA!
Classificação atual do telefone: http://ai-benchmark.com/ranking
O AI Benchmark mede a velocidade, precisão, consumo de energia e requisitos de memória para vários modelos importantes de IA, visão computacional e PNL. Entre as soluções testadas estão métodos de Classificação de Imagens e Reconhecimento Facial, modelos de IA realizando geração neural de imagens e textos, redes neurais utilizadas para Super-Resolução de Imagem/Vídeo e Aprimoramento de Fotos, além de soluções de IA utilizadas em sistemas de direção autônoma e smartphones para uso real. Estimativa de profundidade de tempo e segmentação semântica de imagens. A visualização dos resultados dos algoritmos permite avaliar graficamente os seus resultados e conhecer o estado da arte atual em vários campos da IA.
No total, o AI Benchmark consiste em 83 testes e 30 seções listadas abaixo:
Seção 1. Classificação, MobileNet-V3
Seção 2. Classificação, Inception-V3
Seção 3. Reconhecimento facial, Swin Transformer
Seção 4. Classificação, EfficientNet-B4
Seção 5. Classificação, MobileViT-V2
Seções 6/7. Execução de modelo paralelo, 8 x Inception-V3
Seção 8. Rastreamento de objetos, YOLO-V8
Seção 9. Reconhecimento óptico de caracteres, transformador ViT
Seção 10. Segmentação Semântica, DeepLabV3+
Seção 11. Segmentação Paralela, 2 x DeepLabV3+
Seção 12. Segmentação Semântica, Segmente Qualquer Coisa
Seção 13. Desfocagem de fotos, IMDN
Seção 14. Super-resolução de imagem, ESRGAN
Seção 15. Super-resolução de imagem, SRGAN
Seção 16. Eliminação de ruído de imagem, U-Net
Seção 17. Estimativa de profundidade, MV3-Depth
Seção 18. Estimativa de profundidade, MiDaS 3.1
Seção 19/20. Aprimoramento de imagem, DPED
Seção 21. ISP de câmera aprendida, MicroISP
Seção 22. Renderização do efeito Bokeh, PyNET-V2 Mobile
Seção 23. Super-resolução de vídeo FullHD, XLSR
Seção 24/25. Super-resolução de vídeo 4K, VideoSR
Seção 26. Resposta a perguntas, MobileBERT
Seção 27. Geração de Texto Neural, Llama2
Seção 28. Geração de Texto Neural, GPT2
Seção 29. Geração de imagem neural, difusão estável V1.5
Seção 30. Limites de memória, ResNet
Além disso, é possível carregar e testar seus próprios modelos de aprendizado profundo do TensorFlow Lite no modo PRO.
Uma descrição detalhada dos testes pode ser encontrada aqui: http://ai-benchmark.com/tests.html
Observação: a aceleração de hardware é suportada em todos os SoCs móveis com NPUs dedicados e aceleradores de IA, incluindo Qualcomm Snapdragon, MediaTek Dimensity/Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos e chipsets UNISOC Tiger. A partir do AI Benchmark v4, também é possível ativar a aceleração de IA baseada em GPU em dispositivos mais antigos nas configurações ("Acelerar" -> "Ativar aceleração de GPU" / "Arm NN", OpenGL ES-3.0+ é necessário).
Atualizada a
A segurança começa por compreender como os programadores recolhem e partilham os seus dados. As práticas de privacidade e segurança dos dados podem variar consoante a sua utilização, região e idade. O programador fornece estas informações e pode atualizá-las ao longo do tempo.
Nenhum dado é partilhado com terceiros
Saiba mais sobre como os programadores declaram a partilha
Não são recolhidos dados
Saiba mais sobre como os programadores declaram a recolha
Classificações e críticas
4,4
1,48 mil críticas
Thiago Souza
- Denunciar como impróprio
10 de junho de 2021
É interessante ver os testes rodarem e ter ideia do desempenho do aparelho. Mas, de fato, as informações poderiam ser mais claras, explicando o que cada teste faz, mostrando gráficos e mais opções de execução.
14 pessoas consideraram esta crítica útil
Tiago Paniago Santela
- Denunciar como impróprio
4 de dezembro de 2023
O AI Benchmark foi excelente para testar meu SONY Xperia™ 10 IV (SONY XQ-CC54), enquanto o 3DMark, embora também tenha rodado, foi péssimo em compatibilidade. O Basemark GPU também foi excelente, pois rodou testes 4K em Vulkan e OpenGL. Embora este meu Smartphone use um Android recente (Android 13), o 3D Mark se mostrou incompatível para muitos testes.
1 pessoa considerou esta crítica útil
Andreyvic Vic
- Denunciar como impróprio
17 de abril de 2021
E bem legal de ver isso aí , poderia ter uma opção de jogo aonde um celular enfrenta o outro para ver qual e mais inteligente, tornaria ainda mais interessante o aplicativo.
11 pessoas consideraram esta crítica útil
Novidades
1. New tasks and models: Vision Transformer (ViT) architectures, Large Language Models (LLMs), Stable Diffusion network, etc.
2. Added tests checking the performance of quantized INT16 inference.
3. LiteRT (TFLite) runtime updated to version 2.17.
4. Updated Qualcomm QNN, MediaTek Neuron, TFLite NNAPI, GPU and Hexagon NN delegates.
5. Added Arm NN delegate for AI inference acceleration on Mali GPUs.
6. The total number of tests increased to 83.
2. Added tests checking the performance of quantized INT16 inference.
3. LiteRT (TFLite) runtime updated to version 2.17.
4. Updated Qualcomm QNN, MediaTek Neuron, TFLite NNAPI, GPU and Hexagon NN delegates.
5. Added Arm NN delegate for AI inference acceleration on Mali GPUs.
6. The total number of tests increased to 83.