Upload folder using huggingface_hub

README.md

@@ -68,13 +68,15 @@ InternVL 2.0 is a multimodal large language model series, featuring models of va
 
 ### Video Benchmarks
 
-| Benchmark | GPT-4V | VILA-1.5 | LLaVA-NeXT-Video | InternVL2-40B | InternVL2-Llama3-76B |
-| :------------------: | :----: | :------: | :--------------: | :-----------: | :------------------: |
-| Model Size | - | 34B | 34B | 40B | 76B |
-| | | | | | |
-| MVBench | - | - | - | 72.5 | 69.6 |
-| Video-MME<br>wo subs | 59.9 | 59.0 | 52.0 | TODO | TODO |
-| Video-MME<br>w/ subs | 63.3 | 59.4 | 54.9 | TODO | TODO |
+| Benchmark | GPT-4V | VILA-1.5 | LLaVA-NeXT-Video | InternVL2-40B | InternVL2-Llama3-76B |
+| :-------------------------: | :----: | :------: | :--------------: | :-----------: | :------------------: |
+| Model Size | - | 34B | 34B | 40B | 76B |
+| | | | | | |
+| MVBench | - | - | - | 72.5 | 69.6 |
+| MMBench-Video<sub>8f</sub> | 1.53 | - | - | 1.32 | 1.37 |
+| MMBench-Video<sub>16f</sub> | 1.68 | - | - | 1.45 | 1.52 |
+| Video-MME<br>wo subs | 59.9 | 59.0 | 52.0 | TODO | TODO |
+| Video-MME<br>w/ subs | 63.3 | 59.4 | 54.9 | TODO | TODO |
 
 - We evaluate our models on MVBench by extracting 16 frames from each video, and each frame was resized to a 448x448 image.
 
@@ -486,13 +488,15 @@ InternVL 2.0 是一个多模态大语言模型系列，包含各种规模的模
 
 ### 视频相关评测
 
-| 评测数据集 | GPT-4V | VILA-1.5 | LLaVA-NeXT-Video | InternVL2-40B | InternVL2-Llama3-76B |
-| :------------------: | :----: | :------: | :--------------: | :-----------: | :------------------: |
-| 模型大小 | - | 34B | 34B | 40B | 76B |
-| | | | | | |
-| MVBench | - | - | - | 72.5 | 69.6 |
-| Video-MME<br>wo subs | 59.9 | 59.0 | 52.0 | TODO | TODO |
-| Video-MME<br>w/ subs | 63.3 | 59.4 | 54.9 | TODO | TODO |
+| 评测数据集 | GPT-4V | VILA-1.5 | LLaVA-NeXT-Video | InternVL2-40B | InternVL2-Llama3-76B |
+| :-------------------------: | :----: | :------: | :--------------: | :-----------: | :------------------: |
+| 模型大小 | - | 34B | 34B | 40B | 76B |
+| | | | | | |
+| MVBench | - | - | - | 72.5 | 69.6 |
+| MMBench-Video<sub>8f</sub> | 1.53 | - | - | 1.32 | 1.37 |
+| MMBench-Video<sub>16f</sub> | 1.68 | - | - | 1.45 | 1.52 |
+| Video-MME<br>wo subs | 59.9 | 59.0 | 52.0 | TODO | TODO |
+| Video-MME<br>w/ subs | 63.3 | 59.4 | 54.9 | TODO | TODO |
 
 - 我们通过从每个视频中提取16帧来评估我们的模型在MVBench上的性能，每个视频帧被调整为448x448的图像。