Meta AI發佈Pixio圖像模型，通過改進MAE框架，證明簡單訓練路徑在深度估計和3D重建等任務中性能卓越，挑戰了MAE遜於DINOv2等複雜算法的傳統認知。
Meta發佈DINOv3 AI圖像處理模型，基於自監督學習，訓練17億張圖像，擁有70億參數。無需標註數據即可處理多種圖像任務，在衛星影像等數據稀缺領域潛力巨大。用戶只需少量適配即可應用於特定任務。
Meta推出DINOv3通用圖像處理AI模型，無需標註數據，基於17億張圖像自監督學習，擁有70億參數。該模型可處理多種圖像任務，無需調整，特別適用於標註數據有限的領域，如衛星圖像處理，在挑戰性基準測試中表現優異。
Meta AI開源新一代通用圖像識別模型DINOv3，採用自監督學習框架，無需人工標註即可實現卓越性能，突破傳統依賴大量標註數據的侷限，成爲AI視覺技術新里程碑。
PDF Dino 是一款 AI 驅動的 PDF 數據提取工具，可將 PDF 內容快速轉化為可操作的結構化數據。
面向開放世界的檢測與理解統一視覺模型
先進的開放世界目標檢測模型系列
DINOv2: 無監督學習的穩健視覺特徵
iszt
這是一個基於DINOv2預訓練的視覺變換器模型，專門針對視網膜彩色眼底照片進行優化。該模型在MEH AlzEye數據集子集上訓練，提供與Hugging Face Transformers兼容的格式，便於進行視網膜圖像特徵提取和下游醫學影像任務。
merve
這是一個基於DETR架構和DINOv3視覺骨幹網絡微調的車牌檢測模型，在評估集上取得了2.7008的損失值，專門用於車牌識別任務
timm
這是一個基於DINOv3框架的視覺Transformer模型，通過知識蒸餾技術從DINOv3 ViT-7B模型在LVD-1689M數據集上訓練得到。該模型專門用於圖像特徵編碼，能夠高效提取圖像特徵表示，適用於各種計算機視覺任務。
這是一個基於DINOv3架構的視覺Transformer模型，採用小型(Small)配置，在LVD-1689M數據集上通過知識蒸餾訓練而成。該模型專門用於高效提取圖像特徵，支持圖像分類、特徵圖提取和圖像嵌入等多種計算機視覺任務。
這是一個基於DINOv3架構的Vision Transformer圖像特徵編碼器，通過從7B參數的DINOv3 ViT模型在LVD-1689M數據集上進行知識蒸餾得到。該模型專門用於圖像特徵提取任務，具有強大的視覺表示能力。
facebook
DINOv3是一系列通用的視覺基礎模型，無需微調就能在廣泛的視覺任務中超越專門的先進技術。該模型能生成高質量的密集特徵，在各種視覺任務中表現出色，顯著超越了之前的自監督和弱監督基礎模型。
DINOv3是Meta AI開發的一系列通用視覺基礎模型，無需微調即可在廣泛的視覺任務中超越專門的先進模型。該模型採用自監督學習方式，生成高質量的密集特徵，在圖像分類、分割、深度估計等多種任務中表現出色。
DINOv3是Meta AI開發的多功能視覺基礎模型，無需微調就能在廣泛視覺任務中超越專業模型。該模型能生成高質量密集特徵，在各種視覺任務中表現出色，顯著超越了以往的自監督和弱監督基礎模型。
DINOv3是Meta AI開發的一系列通用視覺基礎模型，無需微調就能在多種視覺任務中超越專門的先進模型。該模型採用Vision Transformer架構，在16.89億張網絡圖像上預訓練，能生成高質量的密集特徵，在圖像分類、分割、檢索等任務中表現出色。
DINOv3是一系列通用的視覺基礎模型，無需微調就能在廣泛的視覺任務中超越專門的先進模型。該模型採用自監督學習方式，生成高質量的密集特徵，在各種視覺任務中表現出色，顯著超越了以往的自監督和弱監督基礎模型。
DINOv3是一系列通用的視覺基礎模型，無需微調就能在廣泛的視覺任務中超越專門的先進技術。該模型通過自監督學習生成高質量的密集特徵，在各種視覺任務中表現出色，顯著超越了以往的自監督和弱監督基礎模型。
Amoros
本模型是基於 facebook/dinov2-large 的微調版本，在特定任務上進行了優化訓練。
onnx-community
DINOv2-small 的 ONNX 格式版本，適用於視覺任務
基於80億MetaCLIP數據訓練的70億參數視覺Transformer模型，採用DINOv2自監督學習框架，無需語言監督
這是一個通過DINOv2自監督學習在20億網絡圖像上訓練的30億參數視覺Transformer模型，無需語言監督即可學習強大的視覺表徵。
基於DINOv2自監督學習框架訓練的20億參數視覺Transformer模型，使用輕過濾的網絡規模圖像數據（無需語言監督）。
這是一個通過DINOv2自監督學習在20億網絡圖像上訓練的10億參數視覺Transformer模型，無需語言監督即可學習視覺表示。
基於20億級嚴選MetaCLIP數據訓練的30億參數視覺Transformer模型，採用DINOv2自監督學習框架
30億參數的視覺Transformer模型，採用DINOv2自監督學習方法在輕過濾的網絡規模圖像數據上訓練，無需語言監督。
基於20億MetaCLIP數據的224分辨率視覺Transformer模型，採用DINOv2自監督學習方法訓練
DINO-X MCP是一個結合大型語言模型與DINO-X、Grounding DINO 1.6 API的項目，旨在實現細粒度物體檢測和圖像理解，支持自然語言驅動的視覺任務和自動化場景。
DINO-X MCP是一個通過DINO-X和Grounding DINO 1.6 API賦能大型語言模型進行細粒度目標檢測和圖像理解的項目。它能夠實現精確的對象定位、計數、屬性分析以及場景理解，支持自然語言驅動的視覺任務和工作流集成。
Transformers英語%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
