AI Benchmark

Generación de imágenes neuronales, reconocimiento facial, clasificación de imágenes, respuesta a preguntas...

¿Su teléfono inteligente es capaz de ejecutar las últimas redes neuronales profundas para realizar estas y muchas otras tareas basadas en inteligencia artificial? ¿Tiene un chip AI dedicado? ¿Es lo suficientemente rápido? ¡Ejecute AI Benchmark para evaluar profesionalmente su rendimiento de IA!

Clasificación de teléfonos actual: http://ai-benchmark.com/ranking

AI Benchmark mide la velocidad, la precisión, el consumo de energía y los requisitos de memoria para varios modelos clave de IA, visión por computadora y PNL. Entre las soluciones probadas se encuentran métodos de clasificación de imágenes y reconocimiento facial, modelos de IA que realizan generación de texto e imágenes neuronales, redes neuronales utilizadas para superresolución de imágenes/vídeo y mejora de fotografías, así como soluciones de IA utilizadas en sistemas de conducción autónoma y teléfonos inteligentes para uso real. Estimación de profundidad de tiempo y segmentación de imágenes semánticas. La visualización de los resultados de los algoritmos permite evaluar sus resultados gráficamente y conocer el estado actual del arte en varios campos de la IA.

En total, AI Benchmark consta de 83 pruebas y 30 secciones que se enumeran a continuación:

Sección 1. Clasificación, MobileNet-V3

Sección 2. Clasificación, Inicio-V3

Sección 3. Reconocimiento facial, transformador Swin

Sección 4. Clasificación, EfficientNet-B4

Sección 5. Clasificación, MobileViT-V2

Secciones 6/7. Ejecución de modelo paralelo, 8 x Inception-V3

Sección 8. Seguimiento de objetos, YOLO-V8

Sección 9. Reconocimiento óptico de caracteres, transformador ViT

Sección 10. Segmentación semántica, DeepLabV3+

Sección 11. Segmentación paralela, 2 x DeepLabV3+

Sección 12. Segmentación semántica, segmentar cualquier cosa

Sección 13. Desenfoque de fotografías, IMDN

Sección 14. Imagen de superresolución, ESRGAN

Sección 15. Imagen de superresolución, SRGAN

Sección 16. Eliminación de ruido de imágenes, U-Net

Sección 17. Estimación de profundidad, MV3-Profundidad

Sección 18. Estimación de profundidad, MiDaS 3.1

Artículo 19/20. Mejora de imagen, DPED

Sección 21. ISP de cámara aprendida, MicroISP

Sección 22. Representación del efecto Bokeh, PyNET-V2 Mobile

Sección 23. Superresolución de vídeo FullHD, XLSR

Sección 24/25. Superresolución de vídeo 4K, VideoSR

Sección 26. Respuesta a preguntas, MobileBERT

Sección 27. Generación de Texto Neuronal, Llama2

Sección 28. Generación de texto neuronal, GPT2

Sección 29. Generación de imágenes neuronales, difusión estable V1.5

Sección 30. Límites de memoria, ResNet

Además de eso, uno puede cargar y probar sus propios modelos de aprendizaje profundo de TensorFlow Lite en el modo PRO.

Puede encontrar una descripción detallada de las pruebas aquí: http://ai-benchmark.com/tests.html

Nota: La aceleración de hardware es compatible con todos los SoC móviles con NPU dedicadas y aceleradores de IA, incluidos los conjuntos de chips Qualcomm Snapdragon, MediaTek Dimensity/Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos y UNISOC Tiger. A partir de AI Benchmark v4, también se puede habilitar la aceleración de IA basada en GPU en dispositivos más antiguos en la configuración ("Acelerar" -> "Habilitar aceleración de GPU" / "Arm NN", se requiere OpenGL ES-3.0+).