AI Benchmark

神經影像生成、臉部辨識、影像分類、問答...

您的智慧型手機是否能夠運行最新的深度神經網路來執行這些以及許多其他基於人工智慧的任務？有專用的AI晶片嗎？夠快嗎？運行AI Benchmark，專業評估其AI性能！

目前手機排名：http://ai-benchmark.com/ranking

AI Benchmark 衡量多個關鍵 AI、電腦視覺和 NLP 模型的速度、準確性、功耗和記憶體需求。測試的解決方案包括影像分類和人臉辨識方法、執行神經影像和文字生成的人工智慧模型、用於影像/視訊超解析度和照片增強的神經網絡，以及用於自動駕駛系統和智慧型手機的即時人工智慧解決方案。演算法輸出的視覺化允許以圖形方式評估其結果，並了解各個人工智慧領域的當前最新技術。

AI Benchmark 總共包含 83 項測試和 30 個部分，如下所示：

第 1 節：分類，MobileNet-V3
第 2 節：分類，Inception-V3
第三節 人臉識別，Swin Transformer
第 4 節：分類，EfficientNet-B4
第 5 節. 分類，MobileViT-V2
第 6/7 節。並行模型執行，8 x Inception-V3
第 8 節. 對象跟踪，YOLO-V8
第 9 節. 光學字元識別，ViT 變壓器
第 10 節. 語意分割，DeepLabV3+
第 11 節：並行分割，2 x DeepLabV3+
第 12 節：語意分割，分割任何內容
第 13 節：照片去模糊，IMDN
第 14 節. 影像超分辨率，ESRGAN
第 15 節：影像超分辨率，SRGAN
第 16 節：影像去噪，U-Net
第 17 節. 深度估計，MV3-深度
第 18 節：深度估計，MiDaS 3.1
第 19/20 節。影像增強，DPED
第 21 節. 學習相機 ISP、MicroISP
第 22 節. 散景效果渲染，PyNET-V2 Mobile
第 23 節：全高清視訊超分辨率，XLSR
第 24/25 節。 4K 視訊超解析度、VideoSR
第 26 節：問答，MobileBERT
第 27 節. 神經文本生成，Llama2
第 28 節. 神經文本生成，GPT2
第 29 節 神經影像生成，穩定擴散 V1.5
第 30 節：記憶體限制，ResNet

除此之外，人們還可以在 PRO 模式下載入和測試自己的 TensorFlow Lite 深度學習模型。

測試的詳細描述可以在這裡找到：http://ai-benchmark.com/tests.html

附註：所有具有專用 NPU 和 AI 加速器的行動 SoC 均支援硬體加速，包括 Qualcomm Snapdragon、MediaTek Dimensity / Helio、Google Tensor、HiSilicon Kirin、Samsung Exynos 和 UNISOC Tiger 晶片組。從 AI Benchmark v4 開始，還可以在舊設備上在設定中啟用基於 GPU 的 AI 加速（“加速”->“啟用 GPU 加速”/“Arm NN”，需要 OpenGL ES-3.0+）。