Meta AI发布Pixio图像模型，通过改进MAE框架，证明简单训练路径在深度估计和3D重建等任务中性能卓越，挑战了MAE逊于DINOv2等复杂算法的传统认知。
Meta发布DINOv3 AI图像处理模型，基于自监督学习，训练17亿张图像，拥有70亿参数。无需标注数据即可处理多种图像任务，在卫星影像等数据稀缺领域潜力巨大。用户只需少量适配即可应用于特定任务。
Meta推出DINOv3通用图像处理AI模型，无需标注数据，基于17亿张图像自监督学习，拥有70亿参数。该模型可处理多种图像任务，无需调整，特别适用于标注数据有限的领域，如卫星图像处理，在挑战性基准测试中表现优异。
Meta AI开源新一代通用图像识别模型DINOv3，采用自监督学习框架，无需人工标注即可实现卓越性能，突破传统依赖大量标注数据的局限，成为AI视觉技术新里程碑。
PDF Dino 是一款 AI 驱动的 PDF 数据提取工具，可将 PDF 内容快速转化为可操作的结构化数据。
面向开放世界的检测与理解统一视觉模型
先进的开放世界目标检测模型系列
DINOv2: 无监督学习的稳健视觉特征
iszt
这是一个基于DINOv2预训练的视觉变换器模型，专门针对视网膜彩色眼底照片进行优化。该模型在MEH AlzEye数据集子集上训练，提供与Hugging Face Transformers兼容的格式，便于进行视网膜图像特征提取和下游医学影像任务。
merve
这是一个基于DETR架构和DINOv3视觉骨干网络微调的车牌检测模型，在评估集上取得了2.7008的损失值，专门用于车牌识别任务
timm
这是一个基于DINOv3框架的视觉Transformer模型，通过知识蒸馏技术从DINOv3 ViT-7B模型在LVD-1689M数据集上训练得到。该模型专门用于图像特征编码，能够高效提取图像特征表示，适用于各种计算机视觉任务。
这是一个基于DINOv3架构的视觉Transformer模型，采用小型(Small)配置，在LVD-1689M数据集上通过知识蒸馏训练而成。该模型专门用于高效提取图像特征，支持图像分类、特征图提取和图像嵌入等多种计算机视觉任务。
这是一个基于DINOv3架构的Vision Transformer图像特征编码器，通过从7B参数的DINOv3 ViT模型在LVD-1689M数据集上进行知识蒸馏得到。该模型专门用于图像特征提取任务，具有强大的视觉表示能力。
facebook
DINOv3是一系列通用的视觉基础模型，无需微调就能在广泛的视觉任务中超越专门的先进技术。该模型能生成高质量的密集特征，在各种视觉任务中表现出色，显著超越了之前的自监督和弱监督基础模型。
DINOv3是Meta AI开发的一系列通用视觉基础模型，无需微调即可在广泛的视觉任务中超越专门的先进模型。该模型采用自监督学习方式，生成高质量的密集特征，在图像分类、分割、深度估计等多种任务中表现出色。
DINOv3是Meta AI开发的多功能视觉基础模型，无需微调就能在广泛视觉任务中超越专业模型。该模型能生成高质量密集特征，在各种视觉任务中表现出色，显著超越了以往的自监督和弱监督基础模型。
DINOv3是Meta AI开发的一系列通用视觉基础模型，无需微调就能在多种视觉任务中超越专门的先进模型。该模型采用Vision Transformer架构，在16.89亿张网络图像上预训练，能生成高质量的密集特征，在图像分类、分割、检索等任务中表现出色。
DINOv3是一系列通用的视觉基础模型，无需微调就能在广泛的视觉任务中超越专门的先进模型。该模型采用自监督学习方式，生成高质量的密集特征，在各种视觉任务中表现出色，显著超越了以往的自监督和弱监督基础模型。
DINOv3是一系列通用的视觉基础模型，无需微调就能在广泛的视觉任务中超越专门的先进技术。该模型通过自监督学习生成高质量的密集特征，在各种视觉任务中表现出色，显著超越了以往的自监督和弱监督基础模型。
Amoros
本模型是基于 facebook/dinov2-large 的微调版本，在特定任务上进行了优化训练。
onnx-community
DINOv2-small 的 ONNX 格式版本，适用于视觉任务
基于80亿MetaCLIP数据训练的70亿参数视觉Transformer模型，采用DINOv2自监督学习框架，无需语言监督
这是一个通过DINOv2自监督学习在20亿网络图像上训练的10亿参数视觉Transformer模型，无需语言监督即可学习视觉表示。
基于DINOv2自监督学习框架训练的20亿参数视觉Transformer模型，使用轻过滤的网络规模图像数据（无需语言监督）。
这是一个通过DINOv2自监督学习在20亿网络图像上训练的30亿参数视觉Transformer模型，无需语言监督即可学习强大的视觉表征。
基于20亿级严选MetaCLIP数据训练的30亿参数视觉Transformer模型，采用DINOv2自监督学习框架
30亿参数的视觉Transformer模型，采用DINOv2自监督学习方法在轻过滤的网络规模图像数据上训练，无需语言监督。
基于20亿MetaCLIP数据的224分辨率视觉Transformer模型，采用DINOv2自监督学习方法训练
DINO-X MCP是一个通过DINO-X和Grounding DINO 1.6 API赋能大型语言模型进行细粒度目标检测和图像理解的项目。它能够实现精确的对象定位、计数、属性分析以及场景理解，支持自然语言驱动的视觉任务和工作流集成。
DINO-X MCP是一个结合大型语言模型与DINO-X、Grounding DINO 1.6 API的项目，旨在实现细粒度物体检测和图像理解，支持自然语言驱动的视觉任务和自动化场景。
Transformers英语%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)
